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-

利用j6工具链部署时报错../../hbdk/lib/transforms/codegenpass/tiling.cpp:867: in function 'runtiling': assert: !allocresult && "l1m allocation cannot fail in codegen replaying"illegal instruction (core dumped)这是什

一、评测产品在智能驾驶技术快速发展浪潮中，本次试用活动采用【地平线征程5系列域控制器】，满足高性能需求，能够高效处理复杂智驾任务。1. 强大算力：采用地平线征程5系列计算硬件，BPU算力高达128TOPS，可满足复杂城市场景下的智驾需求。2. 多场景适配：支持高速NOA、城区记忆行车、记忆泊车以及自动泊车等高阶智能驾驶等多种高阶智驾功能。3. 高度集成：可整合多传感器融合、定位、决策、规控等功能模

1.芯片型号：J6P 3. openexplorer/ai_toolchain_ubuntu_22_j6_gpu:v3.5.04.问题定位：板端部署（模型量化）5.在对模型进行QAT量化后，查看静态报告(advice.csv)，发现Scatter算子量化失败（原因是期望按照bf16,fp32跑在bpu上），所以这里在量化的时候需要指明类型为非int8是吗？需要在qconfig中配置(常规是采用fp

OpenExploer 3.7.0版，自己用ubuntu 22.04搭建的环境，安装docker,用的cpu版本的docker镜像按照例程，第1步运行：基础示例选择：03_resnet50进入目录：cd samples/ai_toolchain/horizon_model_convert_sample/03_classification/03_resnet50/ 运行：sh 00_init.sh结

地平线的同事们好，我在J3平台点亮一款相机，1920x1080p，50fps，现在可以正常出图，但是运行程序第一次调用hb_vio_get_data时会有一行警告：hb_vio_event_t: port(0) type(1) statue(16/0x10)。我查看了源码，对应/kernel/drivers/media/platform/hobot/sif/hobot_dev_sif.c的3014

你好，请问下J6算法工具链OE包是否会提供bev_sparse算法的配置文件和后处理代码？如果提供的话，哪一个版本提供了，谢谢。