用户您好，请详细描述您所遇到的问题。1.硬件获取渠道：商务采购2.当前系统镜像版本：不涉及3.当前天工开物版本：不涉及4.问题定位：J5的平台设备从ramdisk启动，启动的时候会将/etc 下的配置还原。诉求：配置应用自启动5.开发的demo/案例：不涉及6.需要提供的解决方案：在哪里修改/etc下的配置不会被设备重启后还原，实现应用开机自启动

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：J32.天工开物开发包OpenExplorer版本：OE3.问题定位：J3 平台如何选择对应的OE版本4.问题具体描述：要使用J3平台的量化工具，想知道OE的版本和J3是如何对应的，是否可以根据GCC的版本信息进行匹配，比如J3上GCC是6.5，OE的版本也选择一个GCC版本是6.5就就可以了， 如果不是请给出一下平台和工

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：系统镜像升级不完整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你好，我要使用DSP来做一些开发，地平线工程师提示需要使用新版本系统镜像。1）在第一次升级系统镜像时没有报错，但是使用ifconfig命令，板子无法显示IP地址，只有lo输出；2）

0 概述作为计算机视觉领域的基础之一，2D图像的目标检测任务一直以来受到了广泛的关注和研究。基于2D图像的目标检测推动了下游视觉感知算法的飞速发展，使得自动驾驶和机器人这些依赖视觉感知的工业应用领域受益。2D图像目标检测任务为在给定的二维图像上识别出目标物体所在图像上的位置，同时生成对应的物体类别和包围物体的矩形框。FCOS算法兼顾了2D图像目标检测任务的性能和精度，成为其中最热门的算法之一，因此

多年来，轨迹预测在社交机器人和自动驾驶汽车等自主系统中受到了极大的关注。 它旨在根据过去的轨迹和周围环境（包括地形和障碍物等静态因素以及周围移动智能体等动态因素）预测车辆、行人和骑自行车者等道路使用者的未来轨迹。工具链提供的轨迹预测参考算法为DenseTNT，通过vectornet对global graph构建，根据预测goals来预测未来轨迹，本文为该算法的介绍文档，以下为正文。 ..该示例为参

您好 J5标定dynamic.json和static.json生成so文件出错 请问是什么原因

1 前言推理任务每执行一次，系统底层都需要响应一次中断，如果每个小模型都放在一个单独的推理任务中，那么中断出现的频率会升高，导致耗时增加。如果将多个小模型绑定到一个推理任务中，就会减少系统底层中断次数，从而降低系统开销，减少耗时。XJ3和J5均支持在一个推理任务中依次调用多个小模型预测多份数据。但需要注意的是，只有在推理任务中的所有模型全部预测结束后，所有的预测结果才会一并写入内存。换句话说，用户

1 前言对于J5这样的中高计算能力平台，小分辨率输入或者小计算量的模型往往不能达到较高的计算效率，对此可以通过batch模式部署模型（batch>1），一次推理多张图片，从而提高计算/访存比。J5支持在模型转换时配置yaml文件中的input_shape或者input_batch参数编译batch模型。J5也支持在板端部署时对batch模型做推理，本文将会对batch模型的编译和部署做详细说明。.

1 前言在完成模型的转换编译后，会得到可以在开发板上部署的模型文件，以bin或者hbm作为后缀名，区别在于：bin（Binary）模型是混合异构模型，可以同时包含CPU算子和BPU算子，而hbm（Horizon BPU Model）只含有BPU算子。这两种模型的板端部署方式没有区别，可以使用相同的推理库 BPU SDK API，也都支持hrt_bin_dump和hrt_model_exec工具对其

你好，针对rgb输入的训练模型，进行qat后，对模型转为定点模型，需要执行nv12->yuv444->(centered_yuv2rgb)->rgb的过程。对此在论坛上找到了以下内容：=======================================================================================该算子为纯定点算子，不参与模型训练的过程。

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：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：请问x3派，支持内卷算子（involution）嘛？

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：J5芯片运行DSP前处理示例报错4.问题具体描述：你好，我在板端运行CenterPoint模型前处理DSP示例，提示 dcore0_rpmsg_op server not start，请问这个是什么原因？是板端BSP版本有问题吗？

在自动驾驶应用中，除了在2D图像中检测目标之外，还必须在3D空间中检测某些目标的类别，如汽车、行人、自行车等。LiDAR通过构建3D空间的点云，可以提供一种精确、高空间维度、高分辨率的数据,可以弥补对3D空间的距离信息。随着深度学习架构的进步逐渐出现了许多基于LiDAR的3D目标检测器。本文在Nuscenes数据集下基于pillar-based的lidar MultiTask算法的介绍和使用说明。

1 使用场景HB_ONNXRuntime 是地平线基于公版 ONNXRuntime 封装的一套 x86 端的 ONNX 模型推理库，除了支持 Pytorch、TensorFlow、PaddlePaddle 等各训练框架直接导出的 ONNX 原始模型[注1] 外，也支持地平线 PTQ 工具链转换过程中产出的各阶段 ONNX 模型[注2]（不支持 .bin 模型）。下文将对各种情况分别举例说明。..[

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：hbdk version 3.45.3horizon_nn version 0.18.2hb_mapper version 1.17.43.问题定位：板端部署4.问题具体描述：转换后的混合异构模型经过hb_mapper checker，hb_mapper makertb

.对应CSDN链接：https://blog.csdn.net/weixin_45377629/article/details/131354320..1. 背景首先感谢一下地平线工具链用户手册和官方提供的示例，给了我很大的帮助，特别是代码的注释写了很多的知识点，超赞！要是注释能再详细点，就是超超赞了！下面开始正文。以前从0开始学习过地平线的PTQ(后量化)方案，写了一些基础知识文章，后来发现地平线

1. 理论介绍1.1 为什么需要模型转换由于嵌入式端资源受限，为了减少模型存储和计算开销，各家公司通常会将服务器上训练得到的浮点模型通过量化、编译等操作转换成对嵌入式芯片平台上友好的目标平台模型，然后再进行板端推理部署，大致流程如下图所示。为了实现将浮点模型量化、编译以及部署等操作，各家公司都推出了自己的一套工具，业内称之为“工具链”。量化层面，大多有两种方式：后量化(PTQ) 和 量化感知训练(

1.bev参考算法模型信息板端或者X86端运行hrt_model_exec model_info命令获取模型输入输出信息，参考命令如下：.hrt_model_exec model_info --model_file model.hbm..使用以上命令获取的bev模型输入信息分别如下所示：....模型.input name.input shape.layout.数据格式.量化scale....IPM

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_j5_cpu3.问题定位：模型转换4.问题具体描述：我用https://github.com/Tianxiaomo/pytorch-YOLOv4下的 demo_darknet2onnx.py能成功生成

用户您好，请详细描述您所遇到的问题：系统软件版本： (通过 cat /etc/version 获得) Ai_Toolchain_Package-release-v1.18.2-OE-v2.4.2 openexplorer/ai_toolchain_centos_7_xj3:v1.15.2问题涉及的技术领域： (硬件、操作系统、驱动、其他） 算法模型转换问题描述：（尽可能详细的描述在进行什么功能