官方只有focus的拉流识别代码，如何更改为yolov5的拉流识别代码？

yolov5模型用2.0版版本训练并且通过算法工具链转换完成后部署到开发板出现一下报错：2023-08-16 17:39:18,981 ERROR cannot reshape array of size 148176 into shape (1,84,84,3,85)这个错是什么原因呢？整个转换过程跟着教程走的

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：3.当前天工开物版本：4.问题定位：RX1 max96712 上 Enable 1 Links in GMSL2 mode后 , 摄像头ovx3c和加串器9295的i2c地址消失96712(0x2d)的 Link 配为 3GbpsEnable 1 Links in GMSL2 mode后i2c地址消失

地平线部分参考算法的模型结构比较复杂，OE包中又没有提供专门的可视化脚本，给一些想要可视化模型结构的开发者造成了困扰。地平线的QAT Plugin中提供了模型可视化接口visualize_model，本文将基于编译脚本tool/compile_perf.py, 实现参考算法模型结构的可视化。.以下是地平线工具链手册中对visualize_model接口做的简短介绍,.visualize_modle

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：X3派3.问题定位：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模型有两个输入，这个能支持么，有没有相关的例子？

对着室外的时候太阳中心最亮处就会发紫，像是溢出了一样，但gammaFE最后一位是1048575，改动也没影响，不知道是什么引起的。

在运行04_inference.sh时报错：下面是log：2023-08-15 16:46:30,101 file: tool_utils.py func: tool_utils line No: 73 log will be stored in /open_explorer/ddk/samples/ai_toolchain/horizon_model_convert_sample/04_dete

新手使用 RDK X3 MD 104032，在部署yolov5时，总是有错误。1.在yolov5 v2.0 和yolov5 v6.2下训练出的pt文件，用下面命令转onnx。python export.py --data tempdata.yaml --weight runs/train/exp3/weights/best.pt --include onnx --opset 112.构建docke

1.芯片型号：X3派2.天工开物开发包OpenExplorer版本：horizon_xj3_open_explorer_v2.4.2_202212273.问题定位：模型转换<-->板端部署4.问题具体描述：When deploying aerial tracking algorithms, such as HiFT[1], i find they usually use AlexNet as ba

1.芯片型号：X3派2.天工开物开发包OpenExplorer版本：horizon_xj3_open_explorer_v2.4.2_202212273.问题定位：模型转换<-->板端部署4.问题具体描述：I am deploying a tracking algorithm named SiamGAT: https://github.com/ohhhyeahhh/SiamGATI have co

1.芯片型号：X3派2.天工开物开发包OpenExplorer版本：Ai_Toolchain_Package-release-v1.20.1-OE-v2.6.2b3.问题定位：模型转换4.问题具体描述：根据官方教程走的模型量化，具体模型结构：EfficientNet + Attention，音频的频谱特征提取和预处理部分放在模型外部处理，没有使用官方提供的预处理算子，校准数据也是同步的预处理过后才

用户您好，请详细描述您所遇到的问题。1.硬件获取渠道： 地平线2.当前系统镜像版本： na3.当前天工开物版本： na4.问题定位： camera uv反5.开发的demo/案例：6.需要提供的解决方案： 当前j5平台点亮x3f摄像头，uv反了修改sensor_data_bayer_fill(&turning_

训练/open_explorer/ddk/samples/ai_toolchain/horizon_model_train_sample/scripts下的densetnt模型，在tmp_models/densetnt_argoverse1/compile下生成model.pt文件，尝试用netron可视化model.pt，报错：Python Error Unknown function 'ops

.实操以J5 OE1.1.60对应的docker为例..1. grid_sample算子功能解析.该段主要参考：https://blog.csdn.net/jameschen9051/article/details/124714759，**不想看理论可直接跳至第2节**..1.1 理论介绍在图像处理领域，grid_sample 是一个常用的操作，通常用于对图像进行仿射变换或透视变换。它可以在给定输

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：在板端部署过程中发现点云前处理耗时较长，进一步定位到内存写入耗时过长(测试发现往7000长度的整形数组写入值板端耗时1ms，实际需要数百万次写入)。想要进一步通过hrut_ddr工具判断是否是内存带宽问题，但是发现hrut_ddr显示带宽只有30MiB/s，而官方提供截

你好，我这边测试下去，你们芯片上的推理时间好像不大对，不知你们有没有测试过insightface的这个模型的效率，https://pan.baidu.com/s/1wuRTf2YIsKt76TxFufsRNA?_at_=1691573473655，在其它2T int8算力的芯片上我们上板实测后单张图，int8量化模型推理时间是19ms,fp16推理时间是31，可是在你们的板子上推理时间却要60毫秒

OE版本1.1.57J5板报错信息如下： File "/usr/local/lib/python3.8/dist-packages/horizon_plugin_pytorch/quantization/quantize.py", line 835, in _convert reassign[name] = swap_module(mod, mapping, swapped_modules

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：Xj32.天工开物开发包OpenExplorer版本：XJ3_OE_2.4.23.问题具体描述：请问是否能够提供在板端运行的各种深度学习模型所需的算力，例如yolov5，fcos等

有人尝试过pointpillars走PTQ模型量化这条路吗，能不能走通

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：模型转换4.问题具体描述：StreamPETR模型在进行第一步模型检查时出现core dumped，无法定位问题原因。onnx模型文件：链接: https://pan.baidu.com/s/1pgD_i8j_erbViQeJyytAfA 提取码: mj6p