1.芯片型号：J52.天工开物开发包OpenExplorer版本：J5_OE_1.1.573.问题定位：进行bev_mt_lss的浮点训练时GPU利用率低4.问题具体描述：进行bev_mt_lss的浮点训练时GPU利用率低，只有不到1/3，调大batch_size也没有效果，基本能确定不是磁盘I/O瓶颈，请问这个模型的主要瓶颈是什么操作呢，该如何去优化

用户您好，请详细描述您所遇到的问题。1.硬件获取渠道：金脉2.当前系统镜像版本：3.当前天工开物版本：4.问题定位：VIN 图像输入格式为RGB888，通过加串器转gmsl到J5的解串器这边，目前video_lock可以检测到，使用vcs_test应用dump图像，报错hb_vio_get_data(0) fail ret -65045.开发的demo/案例：vcs_test6.需要提供的解决方案

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：X32.天工开物开发包OpenExplorer版本：XJ3_OE_2.4.23.问题定位：板端部署运行真双核模型，物体检测算法。4.问题具体描述：使用单核模型，单线程单帧测试，统计推理耗时是30ms。如果转模型时按照文档 https://developer.horizon.ai/forumDetail/1364881035

目录.1. 必要步骤速览2. 各步骤详解.2.1 浮点模型准备2.2 数据校准2.3 量化训练2.4 定点转换2.5 模型编译.3. 常见问题..大家会选择QAT方案，想必对于“量化”应该是已经有一些基本概念了（若无也没关系，感兴趣的话推荐阅读一下这篇帖子：神经网络量化背景）。通常来说，还是最推荐大家优先尝试 PTQ（post training quantization），毕竟相较于QAT而言上手

目录.1. 前言2. 使用说明3. Calibration 后的 QAT 训练建议4. 数据集和Transorm设置建议5. 在horizon_train_sample中使用Calibration6. 常见问题.1. 前言在量化训练中，一个重要的步骤是确定量化参数 scale ，合理的 scale 能够显著提升量化训练效果并加快收敛速度。Calibration 是通过用浮点模型在训练集上跑少数 b

1. 使用场景在QAT过程中，默认情况下基本所有算子的计算精度都是int8，但在如下情况中我们可能需要使用int16计算：..部分算子如gridsample，其grid输入有着明确的物理含义，数值范围有可能超过int8的表示范围，必须使用int16精度计算；在精度调优过程中通过debug工具观察到某些节点数据分布范围较大，int8表示范围不足。.2. 配置方式..a. J5计算平台仅支持activ

用户您好，请详细描述您所遇到的问题。1.硬件获取渠道：请问哪里可以买到J3或者J5的开发板呢？

芯片型号:J5天工开物开发包OpenExplorer版本:horizon_j5_open_explorer_v1.1.57-py38_20230625问题定位：模型转换流程中在执行 01_check.sh检测原始onnx模型中的提示4.问题具体描述：任务是将 ultra fast lane detection v2 模型的onnx文件，先进行转换得到量化的quantized onnx与板端bin

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Yolov5 v2.0 onnx模

1.芯片型号：J52.天工开物开发包OpenExplorer版本：J5_OE_1.1.573.问题定位：板端推理与开发机推理结果不一致4.问题具体描述： 你好，我们训练了一个雷达点云与图像融合的BEV检测模型，仿真上板精度与模型quantize精度是一致的，但是将模型编译后在J5板端推理，精度出现了偏差。 其中几个类别的检测精度和开发机端quantize精度是接

模型可以正常由 ONNX 转出 Horizon 模型（虽然存在 WARNING），但是在性能测试时出错。模型转换时的警告：模型性能测试时的错误：

使用的OE包是J51.1.62根据手册的说明，packages里的install.sh运行成功就没有需要而外安装的了然后随便使用转换模型任意示例，hb_mapper显示找不到命令如图我的hbdk的轮子已经安装成功了，hb_mapper 到底是哪个包？？？？

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：模型转换4.问题具体描述：你好，之前我也请教过core dump问题，自己尝试解决目前依然没有成功。与上次求助贴对比，这次的模型我们去掉了地平线算子支持列表中明确不支持的算子类型（只去掉了不支持的算子种类，具体BPU CPU的约束条件还没有一一检查是否满足要求）。hb_mapper_checke

1.芯片型号：J52.天工开物开发包OpenExplorer版本：OE 1.1.293.问题定位：QAT训练4.问题具体描述：你好，我当前定义了一个新的层，其中包含了一个nn.Parameter类型的变量然后这个类的前推如下，请问edge_weights这个nn.Parameter类型的变量要如何量化？

为什么修改driver后，编译签名后，单烧录boot.img，vbmeta.img，system.img J5板子无法启动呢？[BL31:1970:1:1:0:0:2:578194](0) NOTICE: hb_regmap_init stl init[M:1970:01:01:00:00:02:117167] E: magic id: 1[M:1970:01:01:00:00:02:11769

前言：受模型结构及参数的影响，如不同数值分布的跨层连接、注意力机制以及极大/小的权重参数等，后量化过程中可能会面临量化精度不符合预期的问题。为此后量化过程中提供了偏差校正(Bias Correction)作为一种量化trick，来减少一些场景下的量化误差损失。具体来说，激活和权重的量化会给模型输出引入噪声，不同于高斯白噪声，实际场景下的量化噪声往往并不具备均值为0的特性，从而导致量化模型输出相比于

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：X32.天工开物开发包OpenExplorer版本：openexplorer/ai_toolchain_ubuntu_20_xj3_gpu v2.6.2b3.问题定位：模型转换4.问题具体描述：按照https://developer.horizon.ai/forumDetail/168628789079880786的答复，

目前onnx转bin模型支持动态输入吗，比如动态batch或者动态尺寸

1.芯片型号：X3派2.天工开物开发包OpenExplorer版本：xj3:v1.15.23.问题定位：图像预处理4.问题具体描述： 目前使用X3派+海康工业相机进行开发，相机图像分辨率较大，需要进行缩放，工业相机的原生图像格式一般是BayerRG，相机SDK提供格式转换，测试下来转换到RGB比较快，转换到YUV很慢。 了解到有几种图像缩放的方式，有一些问题想请教一下：

docker image: openexplorer/ai_toolchain_ubuntu_20_xj3_cpu:v2.6.2bhb_mapper makertbin报错如何，其中Add_601是Conv的输出WARNING: Sub_903 not supported by BPULayer ArgMax_907 When keep_score != keep_index, the numbe