引言我们在上一节中已经简单介绍了地平线天工开物（Horizon OpenExplorer）AI工具链，相信您对它已经有了初步的认识。为了方便学习后面课程，使用天工开物工具链进行实战开发，还需要做一些准备工作， 本节课将介绍这一部分内容： 环境搭建环境搭建为了简化环境搭建步骤，方便大家使用天工开物（Horizon OpenExplorer）AI工具链，我们提供了docker 镜像内含算法工具包、编译

上一期，我们分享了 HorizonBox - AI 体感游戏机，这个开发案例，详细内容请见：AI 开发，不必从0开始 | 本期案例: HorizonBox - AI 体感游戏机为了更好的让大家了解这个项目，我们在此将我们开发部署的可执行文件上传开放。运行过程相对简单：1) 在 CP（协处理器）端运行可执行代码2) AI 模型便开始根据摄像头不断流入的视频帧进行动作识别3) 并且启动websocke

小编引言提到 AI 产品开发，大家第一时间想到的可能是高深的 AI 算法训练和复杂的工程部署和实现，来自不同厂家的芯片、系统框架、AI 算法之间，常常存在一定的兼容性或效率等问题，导致 AI 产品开发周期长，算法效果不理想，功能调试困难等。在 AI 智能化时代，如何降低 AI 产品的开发门槛，快速让产品落地，有一个好的 “工具“ 的越来越重要。使用地平线的 AI 芯片 + 「天工开物」开发平台，可

在上一期，AI 开发，不必从0开始 | 本期案例: AI 可编程智能小车 中，我们分享了 AI 可编程智能小车，为了更好的让大家了解这个项目，学习 AI 产品开发，我们在此将我们开发教程和代码分享给大家。你是否准备好了，动手实践，那就按照我们的步骤一起来体验吧～一、技术方案介绍BCK （本项目名称）技术链路较长，由于是针对教育市场开发的套件，所以做了很多 SDK 的封装，其目的是在于更加便利的二次

【Horizon Journey 2 Mono （简称“J2 Mono”）】是地平线基于国内首款车规级芯片征程二代 (Journey 2，简称“J2“) 开发的、面向ADAS前装市场的全球领先单目前视感知解决方案，可在低于100毫秒的延迟下有效感知车辆、行人、车道线、交通标识、红绿灯等多种目标。不仅如此，该解决方案还专门针对中国道路和场景进行了优化，从底层赋能更多合作伙伴，为其智能驾驶在全球最大汽

本教程是继对应视频课程的补充部分，主要介绍一个真实的Demo是怎样按照开发范式进行开发的。准备工作硬件环境：96boards开发板一块，并且配置好网络，能够正常使用SSH访问一台电脑，与96boards处于局域网可连接状态，用于连接96boards开发板软件环境：下载需要的部署包和web展示端部署包：xppcp_smart.tar.gz运行步骤解压xppcp_smart.tar.gz其中，Hack

相关代码和文档共16M: 下载地址: https://pan.horizon.ai/index.php/s/mpm8deD2NBrKdYd 演示视屏157M，时长25分钟 下载地址: https://pan.horizon.ai/index.php/s/x8cAnjxpyCaz6Ae 1.1训练任务简介:mnist项目网址: http://yann.lecun.com/exdb/m

小编引言提到 AI 产品开发，大家第一时间想到的可能是高深的 AI 算法训练和复杂的工程部署和实现，来自不同厂家的芯片、系统框架、AI 算法之间，常常存在一定的兼容性或效率等问题，导致 AI 产品开发周期长，算法效果不理想，功能调试困难等。在 AI 智能化时代，如何降低 AI 产品的开发门槛，快速让产品落地，有一个好的 “工具“ 的越来越重要。使用地平线的 AI 芯片 + 「天工开物」开发平台，可

AI开发流程 ——算法部分引言在这个部分，你将会了解到在96board上面你能够实现的算法功能（有：classification (分类)，detection(检测)，segmentation（分割）， instance segmentation，示例如图1），训练能够在96board上面使用的模型需要的步骤（量化训练，模型编译），以及地平线为大家方便实现整个流程提供的工具。图表 1：96boar