目前想要在云端x86环境调用CUDA，C++做批量数据推理。模型量化采用的是QAT，已有过程中产生的bc及最终产物hbm模型。目前hbm推理调用x86库，效率达不到要求，同时也看到有hbm_infer这个接口实际推理发生在板端，不太符合要求；bc推理看hb_runtime接口没有显示调用cuda接口。个人想法是将python调用cuda推理bc封装成库，C++调用，想问一下这种实现是否能达到预期，

OE包版本：3.0.31我们在进行C++开发的时候，需要利用cnpy相关内容，在编译的时候从OE包中哪里去找cnpy的库呢？

芯片：J6B使用horizon_j6_open_explorer_GPU_v3.7.0工具链转换模型后，进行模型指标对比时，HBRuntime接口加载中间产物模型ptq_model.onnx。无法推理，直接报错报错信息如下：（最新的OE 包不支持中间产物推理吗) self._sess = ort.InferenceSession(. File "/usr/local/lib/python3.

采用lpwm的 trigger信号触发相机曝光，J5侧怎么获取相机开始曝光时刻（或者lpwm trigger时刻）的时间戳？

芯片型号：J3天工开物开发包 OpenExplorer 版本：horizon_xj3_open_explorer_v2.6.4-py38_20240319问题定位：参考官方的流程进行qat，编译得到hbm后推理并用自己的后处理代码离线评估时，发现部分指标下降很大，特别是分割的指标，检测的指标还好首先进行浮点训练，得到float-checkpoint.ckpt，评估得到精度指标如下：进行qat训练，

昨天我们这边尝试使用地平线开源的配置以及开源的sparse4D权重去走PTQ的链路. 参考的也是PTQ示例的做法, 但是发现float.onnx经过 hb_compile --skip compile 得到的定点模型输出的余弦相似度很差. 并且失去了检测效果. 这个问题方便帮忙定位一下什么原因吗? 附件中带有使用的浮点模型onnx, 配置, 以及使用的校准数据.

我们现在要在J6E的芯片上部署ppo的policy模型，但是在量化的部分看上去有比较大的误差，当前是采用模仿学习的方法，把强化学习模型的输出action作为真值，然后进行qat的训练，但是看上去离散的action之间存在一些误差，导致最终的结果误差较大，目前是存在layernorm合cross-attention两个看起来会比较敏感。有什么针对这种纯强化学习部署的方案嘛？

我看见社区文章里有maptrv2_resnet50_bevformer_nuscenes,但是我在官方的示例中没有这个

OE版本：OE_v3.7.0文件路径：/open_explorer/samples/ai_toolchain/horizon_model_train_sample/scripts/configs/detection/fcos3d/fcos3d_efficientnetb0_nuscenes.pyinfer_transforms = [. dict(. type="Resize3

继2026年第一期智驾开发干货征集圆满落幕，地平线开发者社区 2026 第二期征文活动重磅来袭！「征程 6」芯片量产落地场景持续拓展，Physical AI、VLA 大模型、城市 NOA 量产优化等前沿技术方向全面开花，更有软硬协同极致优化、长尾场景解决方案等实战赛道亟待解锁！一、征文主题本次征文仍基于征程 6系列芯片，聚焦技术进阶、量产落地、物理智能融合三大核心方向，提交技术文档 /demo 均

芯片型号：J6Mopenexplorer版本：horizon j6_open_explorer_v3.2.0-py310_20250616问题定位：模型转换精度下降。问题描述：模型结构及参数基本与参考配置一致，只是dataset不一样参考配置：samples/ai_toolchain/horizon_model_train_sample/scripts/configs/bev/bev_sparse

问题：onnx的batch维度是动态的，但在yaml配置文件中指定了明确的batch和input_shap大小，但在hbm和bc模型中的输入size是动态的，且多了一个 input_0_0_roi 输入。1.input_0_0_roi 输入的是什么信息；2.我要怎么去掉input_0_0_roi 并且让输入的size是固定值；3.是什么原因导致的动态size环境信息J6Mhbdk version:

OE版本：v3.0.17文件路径：/open_explorer/samples/ai_toolchain/horizon_model_train_sample/scripts/configs/detection/fcos3d/fcos3d_efficientnetb0_nuscenes.py.infer_cfg = dict(. model=hbir_infer_model,. inf

OE包：horizon_j6_open_explorer_v3.0.17-py310_20240705文件路径：/open_explorer/samples/ai_toolchain/horizon_model_train_sample/scripts/configs/detection/fcos3d/fcos3d_efficientnetb0_nuscenes.py内容：onnx_cfg = d

OE包版本：horizon_j6_open_explorer_v3.0.17-py310_20240705如何下载fcos3d 预训练权重

1、【J6M平台】Control中的 STATISTICS_CONFIG 参数给出了 AE 直方图统计的 4个位置，其中 WDR Gain 位于 ISP Pipeline 中的哪个位置呢

J6M,OE包版本:v3.0.31从附件图片中可以看到，模型的输入包括6张图片的y,uv输入，以及projection_mat,cached_anchor,cached_feature的输入，其中对于图片的y,uv输入是怎么获得的？以及对于projection_mat,cached_anchor,cached_feature等信息我们怎么获得？我看示例中C++调用的时候直接有std::string

社区征文获奖名单排名昵称投稿文章奖品说明🏆费小财5 篇奖品池礼品自选 1 份价值 1000 元（含）以内🥇Jade-self5 篇奖品池礼品自选 1 份价值 800 元（含）以内🥉Cauchy柯西1 篇奖品池礼品自选 1 份价值 300 元（含）以内🥉芯链情报局1 篇奖品池礼品自选 1 份价值 300 元（含）以内恭喜以上同学在本次征文活动中拔得头筹！如果对于名单有问题的同学，请联系@D-