J6MOE包：3.7.0我在将hbm与bc文件的图片输入用nv12的int8数据类型输入到模型中进行推理的结果与直接采用float32的图片数据输入时，有精度损失，不过这个具体的精度损失还没有进行评测。但从肉眼上来看，精度损失应该不小，我想问一下，我应该从哪几个方面去解决这个问题呢？

J6M芯片 12G 128TOPS问题描述：板端free命令查看，只有7G的内存可以用，板端规格说明是12G。经和供应商沟通，说BPU预留了5个G。问题： 在单块J6M上， 我可以部署多少大小的模型，假设没有其他的占用，模型是否可以完全使用到12G。

J6v3.7.0 yolov8 compile出现问题，输入shape是（1，64，640，640），但是要求是（1，4，16，8400）运行 hb_compile --config compile.yaml报错：2026-04-14 16:08:17.222172067 [E:onnxruntime:, sequential_executor.cc:572 ExecuteKernel] N

芯片型号：J5OE包版本：1.1.68你好，我们现在想部署yolov5和deepsort模型，deepsort模型需要对yolov5检测出的目标进行crop+resize操作，用cpu实现耗时比较大。查手册看到可以把模型配置成resizer模型。关于把deepsort模型配置成resizer模型。1. 量化数据要怎么准备，还是用deepsort模型的原ReID数据吗？2.有参考的Yaml文件吗？除

python3 ../../../tools/calops.py --config ../../../configs/bev/bev_sparse_henet_tinym_nuscenes.py --method hook.运行上述代码，报错：Traceback (most recent call last): File "/open_explorer/samples/ai_toolchain/

我在cpp上用hbm文件复现infer_hbir.py的时候，通过截取模型的process_input获得的 bins，到了cpp里再做对应模型的量化，结果得到的和hbm是一致的，在对比了前处理和.bin文件获取前处理的结果基本一致之后，发现图片是不一致的，就用image.bin (一个std::vector<float> img_data(6 3 480 * 800);) 拆分成6组 y u

【J5】量化后使用perf_model发现每一个torch.cat算子都会附加产生大量的hz_cat_1_rescale_1这样的算子，影响模型性能,请问应该如何规避呢？torch.cat的多个输入使用的都是相同的qconfig配置（均为默认default_qat_8bit_fake_quant_qconfig）

J6MOE包3.7.0在对qat.bc生成quantized.bc文件时，我在进行batch拆分的时候，怎么可以不用将float32的输入数据类型转成int8的图片输入数据类型呢？附件是我的bc转hbm的脚本

是在RDK S100P上运行的，hbm大概在3G左右然后使用hrt_model_exec来跑一下模型报错hrt_model_exec model_info --model_file model_best_fixed.hbm [UCP]: log level = 3[UCP]: UCP version = 3.7.3[VP]: log level = 3[DNN]: log level = 3[HP

硬件是天准的J6M域控系统镜像是天准发布的版本R核RTC模块在开发时间同步功能时，A核的相机曝光时刻是由R核RTC模块的PPS功能触发的，不知道怎么设置RTC的PPS功能；

硬件 : 天准的J6M域控问题模块：RTC模块问题描述：软件调用Rtc_PPSOut(); 函数时，R核软件就跑死了，在调用之前已经初始化了Rtc_Init(); 可能是什么问题呢

原模型1.4G，但是使用hb_compile -c config.yaml导出的hbm文件反而增大到了3G，配置文件内容如下calibration_parameters: optimization: run_fastcompiler_parameters: compile_mode: latency core_num: 1 jobs: 6 max_time_per_fc: 0 opti

从哪获取

J6P的560tops是四个bpu一起的算力吗？是int8的稀疏吗？

在J6B/M上 hbVPJPEGEncode 这个是运行在GPU上的吗

Traceback (most recent call last): File "/open_explorer/samples/ai_toolchain/horizon_model_train_sample/scripts/shell/bev/../../tools/export_onnx.py", line 44, in <module> cfg = Config.fromfile(ar

生成了如下的文件，但是并没有。hbm文件，而且使用cpu镜像生成很慢吗ls model_best_*model_best_calibrated_model.onnx model_best_fixed.hbo.acu.o model_best_fixed.hbo.vpu.o model_best_fixed_node_info.csv model_

环境J6Mhorizon_j6_open_explorer_v3.5.0-py310_20250927问题：x86上跑bc 和板端跑hbm，推理结果不一致x86结果板端结果一致性检查如图