运行基于DnnPredictMethod的方法，PrepareInputData可以正常完成，不过会在到达DnnPostProcessMethod::ParseDnn之前报错，[1970-01-01 08:37:04 ERROR 547742544032 bpu_mem_pool.h:67] no more data can be alloc[1970-01-01 08:37:04 ERROR 5

使用自训练的yolov3 替换AI Express内的默认版本。遇到推理不出正确结果的问题。步骤如下，请论坛内的研发人员帮忙看看1. 自行训练了一个yolov3。使用工具链转换成x3可以使用的版本。转换时已经修改了 input_type_rt: 'nv12'2. 将工具链的例子包括转换后的bin文件、脚本和测试图片 scp到x3板子上，运行dev_board_01_infer.sh 测试一个图片

我在试图将自己的onnx模型转量化模型时遇到如下报错, 看错误提示猜测应该是因为我的输入节点是NHWC, 而ERROR上一行中original_input_layout=NCHW, 所以说不匹配, 但我找不到哪里能改这个参数.校准图片集的大小是准确的, 并且我在preprocess_on:True和做过预处理且preprocess_on:False的两种情况都试过,都会报这个错误.请问如何解决?

使用x3开发板，然后使用了usb摄像头，运行之后，出现如下的错误，同时已经运行了 /sys/class/video4linux/ -allError opening device /dev/video0: neither video capture nor video output supported.(vioproduce.cpp:2008): camer_open /dev/video0 fa

1.硬件环境 X3 sdb，2G。没有额外的传感器。 2.软件环境 不清楚……系统没刷过镜像，用的最新的AIExpress。输入用的jpg回灌模式。 3.问题 运行自己编写的Method时，可以运行两帧（就是终端里面会出现2次SmartMessage Serialize的提示），之后就报错，周期性提示如下错误， (vpsmodule.cpp:1368): pipe_id: 0 HB_VPS_Get

拿到一个浮点模型，想分析单帧延迟，看看有没有可以优化的地方，可以从一下几个方面入手：     1. 用模型可视化工具打开模型，看下模型结构，如果是图像输入类型，看模型是否编译为了带预处理node的（省了一个transpose+quantize)。     2. 如果模型最后输出结构是dequtize + tranpose，可以考虑能不能修改下原始模型最终输出结构，进而省略掉transpose操作 

采用的X3 SDB开发板，使用的是1124的SDK包里面的x3_platform_sample里面的sample_ipc。我这边修改之后的结果是这样的，一路4K图像输入，在VPS的group里打开4个chn，分别是chn0： 将4K缩放成720P （已经实现）chn1： 将4K里面裁剪出3200*1600，再缩放成1080P （已经实现）chn5： 只能输

修改yolov5_config.yaml,若设置layer_out_dump为True，input_type_rt设置为nv12，最后出现下图提示，不知是否正确？

01_checker.sh：该文件仅与模型文件有关，需要通过—input-shape给定输入节点名称与形状。如果checker通过，说明模型没问题，checker报错，说明模型存在问题，很大可能是使用了不支持的算子。02_preprocess.sh: 该文件与模型无关，用来预处理数据集且生成*.rgbp的格式。因此在改文件中需要提供源文件目录(--src_dir)，生成后文件目录(--dst_di

上图是onnx模型量化后的结果，对比下图onnx量化前的输出，除了左上角区域都出现明显的偏移

使用工具链转换maskrcnn模型遇到第一个问题（模型来自onnx官网），报错如下图。模型对输入要求如下图，请问在使用工具链check模型前如何按自己需求设定好数据格式呢 01_checker.sh里面并没有找到数据处理相关函数。env.conf也没有找到相关说明模型连接：https://github.com/onnx/models/tree/master/vision/object_detect

onnx模型的图像输入时不固定的，但是量化模型需要指定输入大小，如何动态输入呢？

摸索了一天J3，参考了论坛中一些不错的帖子，总结一部分填坑经验，希望有用。建议优先参考“文档/X3J3_Toolchain_Docs_v1.1.21_CN.zip”，将此文档做为补充。建议先看用户手册：文档/X3J3_Toolchain_Docs_v1.1.21_CN/X3J3_Toolchain_Docs_v1.1.21_CN/SystemSoftware/MU-2520-8-H-J3平台系统软

目前对开发板进行了刷机操作，刷机版本是disk_xj3_emmc20201023_1GB&2GB.img，AI Express按照github上的交叉编译进行编译，生成deploy文件夹后，拷贝到开发板/userdata目录下，后，运行sh run.sh，无法展示正确的demo，log如下：ssh root@10.33.10.60root@j3dvbj3-hynix2G-2666:~# cd /u

模型为百度paddleocr官方推测模型，也是用paddle提供的官方方法转换成onnx格式，paddlepaddle版本2.0.0-rc1

前提：1. 我看到贵公司提供的量化方案有两种，一是采用Tensorflow/mxnet做量化训练的，二是onnx模型直接浮点转定点的。2. 我看到论坛里讨论的YOLOv5模型转换普遍有精度下降的问题，而且下降很严重。请问：1. 一般采用pytorch训练的检测模型（比如YOLOv5），转成onnx后，直接浮点转定点，再实际部署后的精度损失是多少？2. 推理帧率大概是多少？您在社区里说13fps，指

请问如何申请硬件开发套件？我司主要从事特定场景自动驾驶机器人研发，寻求一款视觉感知算法硬件。

执行信息如下

我在论坛上看不到关于J3开发平台的使用指南，请问是和X3一样的步骤吗？另外，我看X3都是在Windows上面，在Ubuntu上能开发不？

我看到，工具链中的model zoo 提供的是这个版本的训练模型，这个版本的yolov5地平线官方有提供训练代码吗