# 1. 引言.在使用地平线开发板进行模型部署时，大家会遇到两个函数hbSysAllocCachedMem() 和 hbSysAllocMem()，他们都是用来申请内存的，可以发现他们的区别只有一个cache，此时，不知道大家有没有这些疑问：.- 什么是cache？.- 为什么要用cache？.- 怎么用cache？..带着这些疑问，我们来一起学习cache机制。..# 2. 什么是cache.c

1.芯片型号：J52.天工开物开发包OpenExplorer版本：J5_OE_1.1.293.问题定位：API使用问题4.问题具体描述：你好，假设我现在有如下网络。其中前一次前推的output2的结果是后一次前推的input2的输入。我是否可以这样写代码？ 分配两块buffer：hbSysMem buffer[2]，第一次前推 直接input2.sysMem[0] = buffer[0]；outp

# 目录.- 1 参数总表.- 2 参数具体说明. - 2.1 模型参数组. - 2.2 输入信息参数组. - 2.3 校准参数组. - 2.4 编译参数组. - 2.5 自定义参数组.- 3 性能/精度相关参数. - 3.1 性能相关参数. - 3.2 精度相关参数.- 4 特性功能参数. - 4.1 快速性能验证. - 4.2 前处理归一化. - 4.3 前处理Resize

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：J52.天工开物开发包OpenExplorer版本：J5_OE_1.1.403.问题定位：板端部署等4.问题具体描述：使用GDC内参、畸变转换工具convert_tool_v1.2生成gdc参数时，报错显示focal_v超出范围限制报错：内参、畸变系数如下：{ "camera_x": 0.0, "camera_y":

1.芯片型号：J5请问J5芯片有支持的激光点云三维目标检测网络吗

关于J5平台 PCIE的调试的问题请教地平线同事：平台默认设计：双J5平台默认直连，J5A 作为RC，J5B 作为EP，J5B先上电给J5A提供同频时钟；但是如果单J5 设计，与其他SOC（比如X9U）通过PCIE通信，J5作为RC，X9U作为EP，那么就需要X9U 来提供同频时钟，软件dts如何修改？[平台双J5 dts的配置 hobot_pcie_rc: hobot_pcie_rc@59c

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：J52.天工开物开发包OpenExplorer版本：horizon_j5_open_explorer_v1.1.62-py38_202308023.问题定位：bev_mt_lss模型训练出现错误KeyError: 'ego2global_translation'4.问题具体描述：训练BEV时，报KeyError: 'ego

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：板端部署4.问题具体描述：您好，地平线oe包中的ai_forward_view_sample是一个很好的示例代码，可以调用前视摄像头或者pc回灌，在板端运行目标检测全流程过程。请问bev有没有类似这种全流程的代码吗，或者获取6v图像的代码，我们想做bev模型的板端部署，但获取6v图片比较困难。a

docker hub中有两个版本：从版本号看v2.5.2新一些，但从push时间来看v1.16.2c新一些。两个版本到底哪个是新的？功能上有哪些区别？推荐使用哪个？

您好，1.芯片型号：X3派2.天工开物开发包OpenExplorer版本：例如XJ3_OE_2.6.2b3.问题定位：算子检查过程中遇到错误4.问题具体描述：ERROR *** ERROR-OCCUR-DURING {runtime.runtime_model_generation} ***, error message: HorizonRT not support these cpu opera

如何不使用docker进行hat模型训练？

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2.天工开物开发包OpenExplorer版本：XJ3_OE_2.6.2b3.问题定位：docker 4.问题具体描述：问题1：无法在docker 中安装dnnroot@1ca4fe569d19:/open_explorer# ddk_vcs list -lHost package version: v2.6.2bT

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：模型转换4.问题具体描述：使用自己数据集训练的yolov5s模型，单张图片推理结果显示一个目标会出现很多目标框（在pytorch环境下，使用pt模型的精度是非常优秀的），而且目标框的位置精度很差，检测效果如下：但使用公开的coco数据集训练的yolov5s模型（onnx模型导出方式、两模型的输入

在本地安装环境时下载了docker镜像和OE包，在本地安装环境，执行以下命令时发现了循环依赖问题cd ddk/package/hostbash install.sh

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： X3M_SDK_BR22_20230128-1201X3C 经过ISP caliberation 校准后，在均匀光源中，有明显的color shading，该如何调整？

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：编译生成hbm模型4.问题具体描述： 你好，我们开发了一个雷达和图像融合的模型，deploy_model包含PointPillarsProPrecess算子。 参看pointpillars算法，deploy_inputs中points要求类型为List[Te

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：J52.天工开物开发包OpenExplorer版本：j5_open_explorer_v1.1.573.问题定位：例如模型转换4.问题具体描述：我下载了v2.0的yolov5x.pt，然后生成了best.pt，之后尝试转换onnx格式发现leakyrelu 被替换为sigmoid,而且不容易更改输出节点按照1.3、1.4不

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：5.开发的demo/案例：6.需要提供的解决方案：

1.芯片型号：X32.天工开物开发包OpenExplorer版本：hbdk-3.47.5、horizon_nn-0.20.1、horizon_tc_ui-1.20.13.问题定位：模型转换4.问题具体描述：使用HB_ONNXRuntime推理QAT模型与convert_fx结果不一致，具体步骤如下1. 使用QAT训练完异构(softmax在CPU)模型后，转换onnx，转换部分代码见图12. 使用

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