.***********************************************************************************.请教一下J6B中MCU可以用IAR开发和调试吗？如果可以，应该用什么版本的IAR.

J6M.可以看到hrt_model_exec走的是ucp框架，hbrt4-run-model-nash是runtime模拟器，那么两者的推理结果是否具有可比性，比如hrt_model_exec的单帧latency能否和hbrt4-run-model-nash的run_bpu_node时间做对比

芯片型号：J6M.问题描述：使用hbVPRoiResize函数对NV12图像进行crop和resize，执行出错，代码如下：.. int32_t resize_width = 1024;. int32_t resize_height = 480;. auto image_width_stride = ALIGN_32(resize_width);. int32_t data_size = imag

芯片：J6M.oe版本：3.2.0.问题背景：目前已经使用hb_compile工具完成了模型的PTQ量化，使用的fast-perf模式；使用hb_model_info验证onnx模型和bc模型输入输出的顺序、形状完全一致；使用hb_verify验证optimized_float_model.onnx和quantized.bc，二者的输出相似度相对较低，如下图所示。.但是使用HBruntime工具对

1. J6M.2. J6_OE_3.2.0.3. 板端部署..在板端部署sparse bev模型时，转成平台hbm模型后，yuv的输入变成了u8且不带量化的格式，此时要如何对图像进行归一化操作？.或者是说在模型中已经存在归一化节点了？如果存在，请告知一下如何查找并确认归一化节点存在，谢谢！

芯片：J6.工具链：3.2.0.模型：八输入头-目标检测模型.问题背景：目前已经得到了量化后的hbm模型，hbm模型总共有八个输入头；在进行模型量化时，已经得到了作为校准数据集的8份npy文件，对应着onnx的八个输入头；onnx模型和hbm模型的输入如下图所示。.问题描述：请问这八份npy文件能否直接作为部署时hbm模型的输入数据？如果可以的话，应该如何在部署代码中加载这些npy文件呢？目前在o

J6M芯片，OE3.2.0的板子，运行生成的hbm时，一直卡在推理阶段，没有报错，也不中止（hbm生成时FPS5左右，且在docker成功调用）.使用dmesg -w查看说是  IOMMU 相关的内存映射错误 ，perf工具也失败了怎么排查或解决问题？DNN3.7.6(4.3.3 HBRT)

J6M OE3.2.0环境下生成了hbm，且静态报告里面FPS 为4.71，.我部署到J6M的板子上后，板子上CPU占比看着比较低，GPU上升了后很长时间是0，一直无有效推理结果出来理论上能生成hbm和静态报告，板子上应该能跑吧？CPU和BPU占比看着也不大....

部署准备.1.芯片型号 j6m.2.编译环境j6_gpu_v3.2.0.3.显示compile_model达到100%，但是最后的hbm没有生成，然后进程被杀死. 

..一、社区问答获奖名单...底软板块........排名...昵称...解答次数...奖品说明.....🏆...费小财...19 次...奖品池礼品自选 1 份价值 1000 元（含）以内.....🥈...csh...15 次...奖品池礼品自选 1 份价值 500 元（含）以内.....🥈...zsy...6 次...奖品池礼品自选 1 份价值 500 元（含）以内.....参与奖...

 .bin是自己量化的双核的。 在板端部署时.ros2 launch dnn_node_example dnn_node_example.launch.py \ dnn_example_config_file:=/home/sunrise/myyolo/yolov5workconfig.json \ dnn_example_image_width:=640 \ dnn_example_image_

. . . . . . Normal. 0. . . . 7.8 磅. 0. 2. . false. false. false. . EN-US. ZH-CN. X-NONE. . . . . . . . . . . . . . . . . . . . . . . . .

onnx转hbm验证的时候可以通过，但是通过量化转hbm的时候就会oom报错 配置如下：O2,.cal_batch_size为1，但是实际转的时候会有提示说usingbatch为8，然后强转为1的点. .

使用OE包1.1.77量化模型，将所有节点转成INT16，量化前的onnx模型和量化后的onnx模型，推理结果都正常。.但是一旦使用Int8量化，余弦相似度还是很高0.99左右，量化前的onnx模型结果也没有问题，量化后的onnx模型输出不正确。.地平线量化工具感觉有问题。应该如何定位具体的问题？

使用OE包1.1.77量化模型，将所有节点转成INT16，量化前的onnx模型和量化后的onnx模型，推理结果都正常。.但是一旦使用Int8量化，余弦相似度还是很高0.99左右，量化前的onnx模型结果也没有问题，量化后的onnx模型输出不正确。.请问是什么问题呢？. 

.目的：进行yolo模型移植到j6m板子. .yolo模型是v11的，模型是个pose模型，有13个通道，1到4是box，5是置信度，剩下8个通道表示4个点。.1088的模型检测的时候，看结果剩下的12个通道都有数据输出。下面的两个yaml是我用来转换onnx->hbm的yaml. . .问题： . 用的原生的yolo的pt模型是1088*1088的，我将其转换成640*640的onnx，再转换成

ude create task failed! signature: native::inplacescatterND(tensor,tensor,tensor,str,bool) -> (tensor).地平线导出的hbm模型上板动态性能验证的报错，这是什么原因

J6M ISP输出的yuv色域是什么？sRGB或Rec.709？我看CCM矫正模块里面有相关的选择.

J6M上想要部署lanesegnet模型，下载公版模型后，放到OE环境里面，安装必要的库的时候，发现没有pytorch，且python版本为3.10，模型需要使用python3.9,以及mmdet3d和mmcv均有对应的版本，在OE环境下不兼容。尝试构建虚拟python环境和离线版本安装， 安装必要的库的时候，发现没有pytorch ，且当前环境下无python3.9,（ python版本为3.1

使用OE 3.0.22版本.其中设置了lane模型50ms的超时.前后两帧 有一帧生效 另一帧没有生效.