1.芯片型号：J22.天工开物开发包OpenExplorer版本：2019版天工开物，HBDK-V3.7.03.问题定位：模型转换4.问题具体描述：您好，请问目前对j2还有支持吗？我在看j2文档的时候，发现与j5的oe包相比内容较少，模型量化部分也只看到了qat形式的量化，没有ptq形式的量化方法介绍，是j2搭建模型时就要用地平线的接口吗，不能走PTQ的训练后量化了吗？麻烦帮忙打听一下是不是这样，

官方的docker v2.5.2训练模型错误

用户您好，请详细描述您所遇到的问题，这会帮助我们快速定位问题~1.芯片型号：例如X3、X3派、J5等2.天工开物开发包OpenExplorer版本：例如XJ3_OE_2.4.2，XJ3_OE_1.15.2，J5_OE_1.1.40等3.问题定位：例如模型转换、板端部署等4.问题具体描述：请提供运行的命令、报错信息，如果可以的话，可在附件中提供模型供技术支持进行复现1.X33.模型转换和部署4.：我

SDKTROS.A的SDK位于产品中心-资源中心-TROS.A VIP页面，该页面需拥有VIP权限才可访问。若您当前无法访问，可点击下方链接提交申请，通过验证后会为您添加VIP权限。https://horizonrobotics.feishu.cn/share/base/form/shrcnvBXoBkrY6gIKGzivzLyjve注：只有签署了NDA的合作伙伴用户，才可获取VIP权限访问SDK

1.芯片型号：J52.天工开物开发包OpenExplorer版本：J5_OE_1.1.52a3.问题定位：模型测试4.问题具体描述：在用地平线官方提供的Ganet算法浮点模型、量化模型和定点模型进行精度验证时，浮点模型和定点模型测试的精度正常，但是量化模型精度不太对劲，打印信息如下。后来使用自己训练的模型测试也是同样的问题，请问是什么原因呢？2023-09-26 10:57:55,782 INFO

用户您好，请详细描述您所遇到的问题，这会帮助我们快速定位问题~1.芯片型号：旭日x3派2.天工开物开发包OpenExplorer版本：例如XJ3_OE_2.4.23.问题定位：板端部署推理4.问题具体描述：我使用hobot_dnn库进行bin模型推理，但在forward处程序会自动停止，也不报错。没有报错信息，不知道啥原因，请求各位大佬支援！感谢！具体情况请看图片。其中，模型的输入和我给定的输入尺

用户您好，请详细描述您所遇到的问题。1.硬件获取渠道：供应商获取J32.当前系统镜像版本：3.当前天工开物版本：v1.12.74.问题定位：onnx转为bin时，被resize算子切分成了3个subgraph，看对应的算子支持列表里，resize应该是支持的才对。5.开发的demo/案例：用的是地平线官方的EfficientB0 backbone + BiFPN 的Neck + fcos的head

用户您好，请详细描述您所遇到的问题，这会帮助我们快速定位问题~1.芯片型号：J52.天工开物开发包OpenExplorer版本：J5_OE_1.1.623.问题定位：板端部署4.问题具体描述：请问ai_benchmark 下面有bev方式的处理 请问官方使用的bev模型是什么的 我可以从哪里下载到onnx模型的 是fast-bev bev-fusion bev-former 或是其他

如何在部署地平线官方的FCOS模型的同时部署其他图像增强模型，就是怎么让两个模型同时运行？

如何再部署地平线官方的FCOS前，对图像进行去噪去雾或者超分辨率重构算法？

在资料里是说ev低于第一个值时，iridix strength会设为Iridix_min_max_str，但是在实际调试过程中发现我调的越高，暗处整体亮度越亮，可我的Iridix_min_max_str没有变动，且当前ev是450万左右，no_str[0]从600万到650万按道理说应该是不变的。第二个值也是同样的，感觉和资料里说的不太匹配。

用户您好，请详细描述您所遇到的问题，这会帮助我们快速定位问题~1.芯片型号：J5等2.天工开物开发包OpenExplorer版本J5_OE_1.1.623.问题定位：板端模型dequantize节点的反量化融合问题4.问题具体描述：原始的板端bin模型结构图如下：（这个模型肯定不支持反量化融合，没有紧邻output节点）于是我把原始bin模型slice,reshape节点全部放在BPU上，得到中间

8路摄像头如何接入的问题？请问如果是8个模拟摄像头，用类似于TP9930 XS9932B 之类4托一转MIPI 直接接入即可还是？或者说 请问宣传上说的4/8个摄像头是如何接法的，不会都是走usb总线吧感谢答疑。

1.芯片型号：J52.天工开物开发包OpenExplorer版本：J5_OE_1.1.62等3.问题定位：HB_ONNXRuntime使用问题4.问题具体描述：修改官方例程中目标检测yoloV5X来计算量化后的yolov8m_quantized.onnx(已量化)的map等指标。但是在使用HB_ONNXRuntime对量化后的模型进行推理时速度很慢，yolov8_quantized通过HB_ONN

使用官方的的docker进行训练，训练一半能不能续上？怎么续上？

用户您好，请详细描述您所遇到的问题。1.硬件获取渠道：2.当前系统镜像版本：X3J3-PlatformSDK-PL2.1-V1.3.0由于板子没有预留网口，使用网购的usb转网口，或者串口转网口的方式，是否可以支持control-tool的调试？

1.芯片型号：J52.天工开物开发包OpenExplorer版本：不限3.问题定位：QAT训练问题4.问题具体描述：你好，我在进行hat自己搭建网络模型的训练时，发现地平线默认是使用FakeQuantze这种方式去进行训练的，我看代码中也实现了LSQ算法，想请问下两种算法哪种更适合地平线的芯片的，LSQ和FakeQuantze哪种在训练时会更有优势嘛？

最近在搞板端部署，于是认真阅读了下OE包里horizon_runtime_sample的示例代码，由于这些示例代码的输入数据都是本地的图片，是bgr/rgb类型，和实际使用时摄像头采集到nv12数据类型不同，所以会有色彩空间转换的操作，把bgr转成nv12，然后再将这份输入数据复制到input_tensor里。这里我以00_quick_start为例，在 read_image_2_tensor_a

1.芯片型号：J52.天工开物开发包OpenExplorer版本：J5_OE_1.1.493.问题定位：板端部署4.问题具体描述：针对yolov5s采用PTQ量化得到对应的.bin模型，并采用hb_verifie工具与quanti.onnx模型（改模型可正常推理）进行验证，结果显示通过。但是目前部署到板端进行推理，采用的是ai_benchmark里面的PTQYolo5PostProcessMeth