想问下PC端docker下模型转换成功后，导入开发板，这个步骤没有详细的文档，想问下各位大佬是如何操作的。???

目前mxnet仅支持onnx1.2.1版本的模型转换，所以例如insight face这种模型是否只能够寻求别的框架转换之后再转onnx？目前x3支持低版本onnx的模型转换吗？

按照资料，提示命令docker run -it --rm -v /home/x3:/data docker.hobot.cc/aitools/horizon_x3_tc:1.0.post10提示的错误是：Unable to find image 'docker.hobot.cc/aitools/horizon_x3_tc:1.0.post10' locallydocker: Error respo

执行 exportPARALLEL_PROCESS_NUM=1执行 sh 05_evaluate.sh然后报错：[root@94daa154d42b mapper]# sh 05_evaluate.shcd $(dirname $0)model="./model_output/yolov2_quantized_model.onnx"image="../../../01_common/data/co

我使用的操作系统是Ubuntu18.04已经执行好了下面两步：但是在执行 sh 01_check.sh 这一句话时报错，报错如下：hb_mapper: command not found这是为什么呢？？？？？？？？？？？？？？？？？？？？？？？？？？

如题1123 .修改测试.如题1123.  .如题1123.  .如题1123.  .如题1123.  .如题1123.  .如题1123.  .如题1123.  .如题1123.  .如题1123.  .如题1123.  .如题1123.  .如题1123.  .如题1123.  .如题1123.  .如题1123.  .如题1123.  .如题1123.  .如题1123.  .如题1123.

如题，现在大部分的AI芯片优化和编译工具链，都对模型本身有一定的适配要求。各有算法开发能力的厂商，自己的算法模型，为了适应不同芯片方案，需要作不同的优化调整。从一家芯片方案，迁移到另一家芯片方案，本身要付出巨大的成本，大部分算法人员，在做这些算法模型迁移的工作。像地平线这样的嵌入式AI领导者，有没有可能支持像TVM这样的开源优化编译器，让算法模型在不同边缘端AI芯片平台上迁移的代价

工具链版本: HBDK3.2.0TensorPliugin 代码: horizon_plugin_tensorflow/scripts/classification/configs/resnet50.py公版代码: https://github.com/tensorflow/models/blob/r1.13.0/official/resnet/imagenet_preprocessing.

在介绍地平线工具链之前，我们先对芯片和工具链的关系做一个简单了解。基本上所有芯片公司都会提供工具链作为芯片开发工具或者平台，尤其是AI芯片公司，都须提供训练框架或者浮点转定点工具，可以说芯片与工具链是互生共存的。虽然大家都有工具链，但不同公司的工具链效果差别很大，主要原因就在于芯片公司一般不懂算法，所以他们生产的AI芯片多致力于算力的堆积，而忽略算法在芯片上的真实效率；而算法公司不懂芯片，也不会在

学习 AI 现在用 PyTorch 还是 TensorFlow ? 如果想后面做一个硬件产品项目，地平线可以支持哪个的模型？谢谢

请问目前装配到车上实现自动驾驶和一些智能化应用需要部署几个硬件神经网络。在实际应用时是否会考虑不同场景间加速器的调度使用。

待更新......

BOOTPRINT X2 开发套件，目前支持哪些应用demo，有开放的sample code吗？

目前咱们只提供一款96的开发板，如果我们想用于更低功耗，场景单一，或是更小体积的场景，是否后续会推出更多系列，方便开发者深入不同领域？咱们PCB设计板和原理图可以公开吗？

近年来，网络结构搜索（NAS）在自动化设计神经网络结构方面获得了较大的成功，也成为模型结构优化领域不可忽视的重要研究课题。NAS 不仅减轻了人们设计、调优模型结构的重重负担，而且相较于人工设计的网络结构，搜索出的模型性能有了进一步提升。最近，地平线-华中科技大学计算机视觉联合实验室提出了一个新颖的 Differentiable NAS 方法——DenseNAS， 该方法可以搜索网络结构中每个 bl