Mono3 系统状态机集成指导手册 V.1.3.0 - 地平线开发者社区.请问 Mono3 系统状态机集成指导手册 V.1.3.0 - 地平线开发者社区 这个附件里没有文档呀，在哪里找呢

.请问J6给onnx模型增加nv12转rgb的这个功能，支持5维多图像的输入吗，比如1x7x3x256x704，如果不支持除了在外部做预处理外，还有什么推荐的方式吗，比如拆分成7个1x3xx256x704的图像进行输入.. .......在配置文件中发现这个功能好像只支持单输入的模型，请问如何处理呢.. .

....................模型在训练测试验证的时候，看图像增强都是yuv444，跟板端420有区别这个对推理有什么影响？............. ... ............

我用tuning_bin Dump一张raw，用7yuv工具查看raw图末尾的2A信息，如下：..FF01 FFFF开头表示AE信息。FF02 FFFF开头表示AWB信息。.AE信息部分从左到右寄存器值各表示什么意思呢？

芯片型号：J6 天工开物开发包 OpenExplorer 版本：3.5.0 天工开物开发包 docker镜像名称：openexplorer/ai_toolchain_ubuntu_22_j6_gpu:v3.5.0 复现OE文档中Centerpoint模型训练过程，根据OE文档-进阶内容-Horizon Torch Samples-示例说明-Centerpoint检测模型训练 执行命令.python

刚遇到一个问题：AE info单帧回灌和AE info多帧回灌的效果有差异，都是使用同一个so。表现如下：.单帧回灌..多帧回灌..为什么会有这样的差异？

**芯片型号**：地平线J5....**算法工具链**：horizon_j5_open_explorer_v1.1.7....**问题描述**：我将GCN模型由onnx转成了bin模型，为了快速验证，将尽可能多的算子部署在了CPU上。模型转换的中间产物`**_quantized_model.onnx`和原模型的推理精度类似，也可以正常推理。但是bin模型部署到J5上时，用相同的input数据推理，

horizon_plugin_pytorch库使用时报错.RuntimeError: fail to load libhorizon_ops, origin msg is /.../horizon_plugin_pytorch/libhorizon_ops.so: undefined symbol: _ZNK5torch8autograd4Node4nameB5cxx11Ev这是什么原因报错

npu 算子 Trilu ，前后都是多层卷积的情况下，为啥在cpu上运行呢 ， 这个算子在npu上运行 有什么约束吗

在自己电脑上用docker（基于J6M）进行centerpoint模型适配kitti数据集，生成hbm、compile_hbir.bc文件后报HBDK hbm perf FAIL的错误.报错内容如下：

.芯片型号：征程5.OE包版本：v1.1.77.问题描述：尝试转换J6官方Bevfusion示例，已基于J5平台进行的一定的适配和修改，可成功生成model.hbir，没有生成model.hbm模型，报错信息如下，返回错误代码 -6.

我使用J5平台接入一个MIPI类型的激光雷达，激光雷达的分辨率是2688x193（width x height）数据格式是RAW12 通过MIPI0 接入，最大分辨率是2688x193 ，最小分辨率是32x193.我在配置完之后初始化报错，[PYM]:[pym_src_input_info_check_part][11287]Wrong src input size, w(2688) and h(

.环境：.        oe 3.5.0..问题1：自研模型qat训练相关的问题.         QAT 模型加载后推理输出全 0 且效果异常的问题。.描述：. .        紫色线是qat训练时候的指标，灰色那个是浮点训练时候的指标在load_state_dict时候，它报了一堆“”Missing key(s) in state_dict:“”，然后我设置成了“”qat_model.l

j6m,工具链版本 oe 3.0.31版本，qcnet模型qat 训练一段时间后，loss 为nan，batchszie=32

你好：.目前我想获取J6M的软件包，进行对应的环境搭建.硬件平台：J6M.目的：搭建J6M编译开发环境，结合目前开源文档进行开发. .需求：如何获取 J6M的软件包 或者对应的 .build_docker_image.tar. 镜像

芯片型号：地平线J5.算法工具链：horizon_j5_open_explorer_v1.1.7.问题描述：已经借助hb_mapper_ makerbin工具将onnx模型正确量化导出为bin文件，转换过程的部分log如下：...============.Output .------------.2025-11-12 15:59:02,415 file: model_builder.py func

使用J6B 进行ptq模型转换,配置如下,但生成的hbm文件输出头还是只有一个缩放因子且很小..那里设置的不对吗?还是J6B不支持per_channel这个参数呢?..{. "model_config": {. "activation": {. "per_channel": true,. "calibration_type": "kl",. "num_bin": 1024,. "max_num_b

芯片型号：征程5..OE包版本：v1.1.77..问题描述：尝试转换J6官方Bevfusion示例，已基于J5平台进行的一定的适配和修改，可成功生成model.hbir，没有生成model.hbm模型，报错信息如下，返回错误代码 -6.![Description](https://prod-dc-resources.oss-cn-beijing.aliyuncs.com/20251112/3a46

芯片：【j5】. .尝试在板端跑通StereoNet。使用官方提供的HBM模型，经解析发现HBM模型的输入被设置为HB_DNN_INPUT_FROM_DDR：.. .因此在板端实现的时候，需要自行进行归一化以及量化，因此我根据官方Config的预处理流程写了板端的预处理：. .官方Config：.. .我的实现（C++）：.. .请问是否正确，目前来看板端推理结果异常，与主机容器内int_infe

问题描述：目前已经得到了模型的浮点ONNX模型，但是在hb_compile时会出现报错， 传统模型转换编译模式 hb_compile --config ${config_file} 和快速模式 hb_compile --fast-perf --model 这两种方式我都试过了，会出现相同的报错； 得到的文件只有calibrated_model.onnx；original_float_model.o