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?

模型build后的pref信息如最上面三个图所示，估计的latency是100ms，但是板上验证时间400ms左右，相差有些大了，请问如何优化模型是384x768x3的双输入（推理视差的）,在内部进行concat，此处的时间仅为infer_watch

(hr_api.cpp:460): HorizonRT version = 1.1.30(hr_api.cpp:465): hbrt version = 3.9.6[HBRT] set log level as 0. version = 3.9.6[BPU_PLAT]Makesure BPU Core Opened!!!)[BPU_PLAT]BPU Platform Version(1.1.1)!

1. MobileNetV2在X3板端实测2.7ms， 这个对应的整个网络的MAC利用率是多少？2. 编译选项中“compile_mode”的的两个选项的对于生成的模型区别是什么？ 编译能否指定部分或者全部层使用16bit精度？

遇到一个问题，就是发现输入张量大小对推理时间影响很大当输入张量大的时候，即使模型非常小推理速度还是很慢但是根据源码程序在推理之前已经把输入张量调加载了所以想请教一下是不是在推理时又重新加载了一次输入。如果是，有没有方法实现内存共享这是我相同模型不同大小输入的推理耗时，average是50次infer_watch的平均时间(ms)

这两个文档在哪获取？

为了说明问题我先做个约定简称，如下：版本1：Linux x3dvbx3-hynix1G-2666 4.14.74 #56 SMP PREEMPT Fri Sep 11 15:51:48 +08 2020 aarch64 GNU/Linux版本2：Linux x3sdbx3-hynix1G-2666 4.14.74 #20 SMP PREEMPT Thu Oct 22 11:23:27 +08 20

转换我们自己的模型时，在执行03_build.sh脚本时失败。我们的模型 输入是 [1, 80, 160, 6]要对yuv I420图片进行一定的处理后才能输入，请问要如何执行？我目前的做法是跳过02_preprocess.sh，将我们的输入数据保存为 rgbp文件放入文件夹中。

有几个问题请教一下：1. 目前release的代码只支持几个型号的摄像头，如果要新增加型号，有相关指引吗？2.我们有以前基于C++的基于nvdia开发包的，如果移植到贵公司的芯片上，从目前个人理解采用贵公司的中间件需要把我们的整个重构代码？没有比较快捷的方式替换nvida的GPU？3.贵公司有没有考虑将BPU使用封装成开源API形式，可以更灵活的供更多的人使用？

在哪里找到开发文档？

1. 我尝试转换最新的yolov5官方模型，先export成onnx再用地平线工具链转换，出现segmentation fault。我对比了1.1.17工具链中你们给出的yolov5模型，发现你们把hardswish激活函数全部替换成了leakyrelu。我也替换后重新训练模型后转换成功了。但是为什么hardswish转换会失败，因为在onnx中已经将hardswish拆解成add, clip,

[BPU_PLAT]ion alloc ion_opened[12] failed ret:-1![BPU_PLAT]ion phys failed ret:-1![BPU_PLAT]Mem alloc failed[BPU_PLAT]open fds num : 24[BPU_PLAT]bpu mem buffer number = 11cat: can't open '/sys/kernel/

还没有拿到下载密码，提前问一下看示例这一步是要提供图片的，我们的模型输入并不是jpb的图片，输入数据维度是【1,256,128,6】这一步是否可以使用其他格式的数据文件？

如题，如何获得下载密码？发邮件也没有回复