compile_cfg = dict(. march=march,. name=task_name,. hbm=os.path.join(compile_dir, "model.hbm"),. layer_details=True,. input_source=["pyramid", "ddr", "ddr", "ddr"],. opt="O2",. sp

Large scale value detected: model.cost_agg.att4.add2.conv.activation_post_process.scale=1102.5093994140625, which may cause more accuracy loss during convert；，可能会导致精度损失，怎么解决，会导致Loss下降的慢，以及最终的hbm模型精度不好

.芯片型号：征程5.OE包版本：v1.1.77.问题描述：尝试转换J6官方Bevformer示例，已基于J5平台进行的一定的适配和修改，可成功生成model.hbir，没有生成model.hbm模型，报错信息如下，返回错误代码 -6.model.hbir 链接: https://pan.baidu.com/s/1b2wEwneqQ644RBKvqO3w0A 提取码: t924.

在对hbm推理时候因为已经去掉了量化节点，需要对其手动量化，通过hrt查看有些输入是通道量化，有多个scale，请问如何处理？

使用的OE版本是v3.0.22.正常推理耗时在2-3ms 但是最近发生耗时很长 1s的情况（一天发送两次左右）.请问下 这是什么原因导致 

在进行模型PTQ转换的时候出现如下报错.RuntimeError: Function on type is not supported in hbir exporting，这个应该是atan2算子不支持，请问这个有什么方法能够解决？

芯片型号J3pytorch训练的感知模型有104个输出,但是在转完onnx后,在地平线J3的工具链上进行sh 01_check.sh就报错 :. 2025-11-24 20:02:06,172 INFO [Mon Nov 24 20:02:06 2025] End to Horizon NN Model Convert. 2025-11-24 20:02:06,502 ERROR tool lim

问题描述：目前使用hb_compile工具以及成功量化编译模型，在使用Hb_verify工具时， optimized_float_model.onnx 和 calibrated_model.onnx 的余弦相似度校验是正常的，但是 optimized_float_model.onnx 和 quantized_model.bc 进行余弦相似度对比时，出现大量XXX和XXX has different

.有没有啥指令能知道板子是e还是m的？-------------------------------------------------.

Mono3 系统状态机集成指导手册 V.1.3.0 - 地平线开发者社区.请问 Mono3 系统状态机集成指导手册 V.1.3.0 - 地平线开发者社区 这个附件里没有文档呀，在哪里找呢

.请问J6给onnx模型增加nv12转rgb的这个功能，支持5维多图像的输入吗，比如1x7x3x256x704，如果不支持除了在外部做预处理外，还有什么推荐的方式吗，比如拆分成7个1x3xx256x704的图像进行输入.. .......在配置文件中发现这个功能好像只支持单输入的模型，请问如何处理呢.. .

....................模型在训练测试验证的时候，看图像增强都是yuv444，跟板端420有区别这个对推理有什么影响？............. ... ............

我用tuning_bin Dump一张raw，用7yuv工具查看raw图末尾的2A信息，如下：..FF01 FFFF开头表示AE信息。FF02 FFFF开头表示AWB信息。.AE信息部分从左到右寄存器值各表示什么意思呢？

芯片型号：J6 天工开物开发包 OpenExplorer 版本：3.5.0 天工开物开发包 docker镜像名称：openexplorer/ai_toolchain_ubuntu_22_j6_gpu:v3.5.0 复现OE文档中Centerpoint模型训练过程，根据OE文档-进阶内容-Horizon Torch Samples-示例说明-Centerpoint检测模型训练 执行命令.python

刚遇到一个问题：AE info单帧回灌和AE info多帧回灌的效果有差异，都是使用同一个so。表现如下：.单帧回灌..多帧回灌..为什么会有这样的差异？

**芯片型号**：地平线J5....**算法工具链**：horizon_j5_open_explorer_v1.1.7....**问题描述**：我将GCN模型由onnx转成了bin模型，为了快速验证，将尽可能多的算子部署在了CPU上。模型转换的中间产物`**_quantized_model.onnx`和原模型的推理精度类似，也可以正常推理。但是bin模型部署到J5上时，用相同的input数据推理，

horizon_plugin_pytorch库使用时报错.RuntimeError: fail to load libhorizon_ops, origin msg is /.../horizon_plugin_pytorch/libhorizon_ops.so: undefined symbol: _ZNK5torch8autograd4Node4nameB5cxx11Ev这是什么原因报错

npu 算子 Trilu ，前后都是多层卷积的情况下，为啥在cpu上运行呢 ， 这个算子在npu上运行 有什么约束吗

在自己电脑上用docker（基于J6M）进行centerpoint模型适配kitti数据集，生成hbm、compile_hbir.bc文件后报HBDK hbm perf FAIL的错误.报错内容如下：

.芯片型号：征程5.OE包版本：v1.1.77.问题描述：尝试转换J6官方Bevfusion示例，已基于J5平台进行的一定的适配和修改，可成功生成model.hbir，没有生成model.hbm模型，报错信息如下，返回错误代码 -6.