你好，这是我根据你们的那个算子支持列表整理出来的，比如这个opset版本为13的，怎么都不支持 conv操作？

目前把OpenPose的网络转换成定点模型上板运行，但运行时间过长，优化程度不高。同样一张图片的推理，在CPU上运行大概1.5秒，在板上运行需要750ms：而checklog中几乎所有操作都被分配给了BPU：模型确实比较深，计算量比较大，但CPU和上板运行仅缩小一倍是否也是有问题呢？原论文中用普通GPU就能达到50ms左右的效果，请问如何排查和改进呢？

请问可以公布一下这些模型结构，训练代码吗？（就比如类似于torch，创建网络结构、训练）

定点模型上板测试 第一步 运行 sh 01_build.sh 出现错误-------------------------------------- The C compiler identification is GNU 6.5.0-- The CXX compiler identification is GNU 6.5.0-- Check for working C compiler: /

我们自己的yolov3剪枝后的模型工具链版本：horizon_x3_tc_1.1.17e-------------------------------------------------log日志：2020-12-07 10:16:00,223 INFO hb_mapper_checker 63 Model type: onnx2020-12-07 10:16:00,223 DEBUG hb_ma

请问有 将自己训练的模型部署到板子上的完整教程吗？

x3的开发版运行脚本run.sh 有点复杂。有大佬看过吗?

想要在内核配置添加”HID Gadget”，支持模拟按键功能能提供就解决方案或技术支持吗， 该如何操作？ 谢谢！

如题，天工开物平台之后会退出DL模型剪枝工具吗？进一步提升运行效率

XJ3浮点模型转换工具链使用了后量化技术进行模型的量化部署，常用的后量化方法有根据max，KL等寻找最佳阈值并量化。而学术界也不断涌现后量化相关的论文，本文介绍一篇这个方面相关的研究，该后量化方法称为ACIQ。在论文《Post training 4-bit quantization of convolutional networks for rapid-deployment》中，介绍了三种方法，用

模型利用tc已经在输入为image的时候调好了，现在要连接usb-cam，改成AI-EXPRESS比较麻烦。想请问tc是否支持usb-cam，有无配置教程

J2开发板 ，调用BPU_loadModel时报错：The size of cnn_elf structure is abnormal. (0, should be 52)，模型用hbdk-model-check和hbdk-sim验证均没有问题。

有没有快速拷贝内存接口 memcpy大块内存拷贝太慢

2020年6月，地平线在Google Waymo自动驾驶算法大赛中，取得4项全球第一，1项全球第二，所以地平线在这一领域肯定有很多积累，目前我这里在移植pointpillars到X3的过程中，遇到几个问题：1、pfe.onnx模型使用工具链检测失败，目前不知道问题2、pfe.onnx和rpn.onnx这两部分如何最高效率的衔接起立

J2芯片是否支持浮点转换工具？还是只能用量化训练框架重新训练模型？

地平线支持yuv转bgr吗

实测发现，build时如果输入为featuremap，会将其自动配为BPU_TYPE_TENSOR_F32。能否指定数据类型，比如为BPU_TYPE_TENSOR_U8之类

请问，假如按照浮点模型转换手册部署，他支持大部分的目标检测模型吗？（或者自己设计的）

请问X3有部署目标检测成功的例子吗?