1 首先附下板子的图，拿到板子后按指南做了如下动作：当时在出现旋转图标后，因开发指南未写明做下一步的操作，加之下方的Micro USB线连接电脑，烧写镜像未写明是否是发须要执行的操作，且在论坛上未找到磁盘眏象工具，故没有做此操作； 直接拔电重新上电后，变砖如下图： 2 先尝试过用指南上的方法efuse烧写，烧录的文件如箭头所示，重新上电后问题依旧。3 又尝试了用hbupdate工具的UART和

如果支持，可以支持8bit量化推理吗？

ValueError: 'default' must be a list when 'multiple' is true.

代码是这样的： auto vio_plg = std::make_shared<VioPlugin>(vio_config_file); vio_plg->Init(); vio_plg->Start();... vio_plg->Stop(); vio_plg->DeInit(); vio_plg = nullptr; printf("==

请问目前AI开发全部都是python完成的，并且c和c++没有开发经验，如果要部署到板子该怎么去实现？

mask分割过程中，通过检测mask的轮廓点，然后将轮廓点所框出区域作为mask来渲染，导致下面一些问题。1. 当一个实例被检测出两个或者多个轮廓的时候就会出现下面这个问题，这些轮廓点要连城一个完整的闭环，不同轮廓之间的连接会将一些合理区域排除在外了，也会引入不合理区域，导致各种失败案例(下面的案例是经过滤除一些轮廓后展现出来的比较好的结果)，请问这个地方有什么建议吗？2. 不同实例间怎么用不同颜

运行示例模型中的runtime_arm和runtime_sim里的01_build.sh时运行到90%就会报如下错误，请问是什么原因啊中间一堆未定义的引用，最后是

一、背景自己的onnx模型，利用官方提供的工具进行转换，转换成功，但上板运行会有报错。二、错误及初步分析有如下错误提示，# Fatal error in /data/zhangronghui/new-xroc/new-dev-tdt_hbdk3/2021_porject/v2.9.0/common/bpu-predict/3rdparty/horizonrt/src/plan/hbm_exec_p

我理解的大致流程：1. 模型后处理输出box与mask两个结果，在json文件workflow中output为["image", "detect_box", "mask"]2. 后处理文件中，为满足多输出，输出消息定义为 struct OutMsg { std::map<std::string, std::vector<BBox>> boxes; std::map

使用hb_mapper checker进行模型转换时，有如下提示，Layer Conv_790 Expected data shape range of Kernel shape is [[1, 2048],[1, 7],[1, 7],[1, 2048]], but the data shape is [256,9,1,256]看起来是说kernel size太大，但是这并不是Error，请问这个

遇到这样一个问题，在AI-EXPRESS中，我参考yolov3_predict_method写了一个类似的预处理方法，但是在调用HB_BPU_resize的时候报错。打印了结果发现主要原因是pre_resize_tensor的data_shape与input_tensor的data_shape维度不一致，pre_resize_tensor的data_shape为1xCxHxW,而我的input_t

在runtimne_arm里的eval.sh里有eval_result_file=${sample_name}_eval.out这段代码，这应该是运行模型得到的预测结果，但我并没有在eval.sh里找到运行模型部分的代码，请问运行模型的代码或是预测结果文件是在哪里啊

如题。上板运行后报错，有如下错误提示，[1970-01-01 08:24:35 ERROR 548601135120HR:ERROR: node[MatMul_60] input size:2 is not equal to according op[MatMul_60] input size: 1[1970-01-01 08:24:35 ERROR 548601135120HR:ERROR: [

在最外层CMAKE文件中有如下代码： set (VioPlugin source/solution_zoo/common/xproto_plugins/iotvioplugin) set (IOT_VIO_SRC ${CMAKE_SOURCE_DIR}/source/solution_zoo/common/xproto_plugins/iotvioplugin)为什么vioplugin

编辑：之前没有发现工具链有更新，现在用新版的工具链（hbdk version 3.18.2 horizon_nn version 0.9.10 hb_mapper version 1.2.6）尝试了一下，简单的模型已经能够顺利转换了（op10），但是我们想要部署的模型（op11）仍然会出现以下报错：ERROR HorizonRT not support these cpu operators: W

如题，运行hb_mapper checker，有如下错误提示，ERROR HorizonRT not support these cpu operators: MatMul我使用的是pytorch的torch.onnx.export导出模型，opset_version=10，看了你们的算子支持文档，Matmul是支持的，不过要求opset version=13, 9, 1，但是如果真的使用opse

你好，我在做如下模型量化转换碰到转换失败的问题，能否帮忙看下有什么分析方法和解决方法么。多谢！1. 环境horizon_model_convert_sample_xj3_1.1.20gdocker.hobot.cc/aitools/horizon_xj3_tc:xj3_1.1.20g2. 模型Simple and Lightwight Human Pose Estimationhttps://gi

AI-EXPEREE中通过预测方法，后处理后得到了每个输入的结果，如yolov3_mobilenet_sample中bbox类,后处理后放在frame_result中，那么接下来哪里会调用frame_result来生成最后可视化结果呢？（类似于工具链中的image_utils.cc）我想写一个实例类，除了bbox类中包含的信息外还有额外的mask信息，估计要重新写最后的show函数

如题，没有对应的后处理，通常需要怎样编写，sample里有很多不同模型的后处理参考哪一个或者其他有方式验证转换后的模型怎样搞

多次尝试发现最后一层如果有relu或者interpret/concat算子的话检测无法优化到BPU，这两个算子在中间层可以优化到BPU中。使用pytorch1.6 relu为self.relu = nn.ReLU(inplace=True)interpret为torch.nn.functional.interpolate()concat为torch.cat