我们自己基于Pytorch开发的AI推理可以在开发板上运行吗？

我想在X3上部署一个自定义网络，仿照着案例完成了模型的转换和数据集的转换，但是模型是案例之外的，无法执行模型的推理，评估等。请问该如何解决

我观察到你们的工具链当中有两套模型转换工具，hbdk-cc可以将mxnet和tf模型转换成hbm模型，hb_mapper可以将caffe和onnx模型转换成bin文件。请问这两套转换出来的模型有什么区别，根据我的观察和实验，似乎实际使用调用的接口都是相同的，那么为什么要区分两套转换工具？另外，hb_mapper使用的文档和示例相对来说比较完整，hbdk-cc工具的使用方法只在ai_express文

1.已经加载官方提供的docker镜像2.docker中cmake版本已经按照ai-express中要求的 更新为3.173.交叉编译工具按照要求放在/opt路径下4.build.sh x3运行报错 ，根据内容自己修改了下编译的脚本编译的时候报错

我的模型输入本身是1x3x300x300，align后的输入要求是1x4x300x304。而我从摄像头获取数据经过vps缩放后应该是1x3x300x300的。那么在给输入tensor赋值时，我需要自己在每一行数据后面加padding以达到align的数据效果吗？

我在使用工具链做模型转换和调用bpu做推理中有几个问题。1. 在转换配置文件中定义了输入为nv12格式 input_type_rt: 'nv12' input_type_train: 'rgbp'但是使用hb_mapper转换模型时，log显示输入依然是yuv444格式？2020-09-17 13:48:07,415 INFO Parsing the input parameter:{'data

深度神经网络，卷积的计算是乘加，属于线性变化，而各种目标函数是很复杂的非线性函数，需要引入非线性变化，使得深度神经网络能够拟合非线性函数变化。因此，在深度神经网络中引入了激活层（activiation layer），而Sigmod就是其中非常主流的激活函数之一。然后Sigmod非线性计算不适合在AI计算单元中进行计算，需要针对他进行优化常见的方案如下两个：1. 基于泰勒展开来拟合非线性函数Sigm

如题，请问有docker的数据集提供不

1. MU-2520-4-E-X3J3平台AIOT媒体系统接口手册，也叫"X3媒体接口手册"，库文件和头文件没有在1.1.12工具链里面找到，请问在哪里下载？2. ai-express-release包在什么地方下载？USB相机需要接入ai express包的支持。3. YOLOv3测试，10张风筝照片的测试结果，205ms一帧。请问是否符合X3在YOLOv3的benchmark？

X3浮点模型转换示例：https://developer.horizon.ai/forumDetail/136488103547258426我按照X3浮点模型转换实例，想把.onnx 转成定点模型，在执行 01_check.sh 的时候报错报错如下：ERROR list index (0) out of range我不知道要如何定位这个错误，list index(0)又是什么呢？btw，我的.on

[22947.029219] module id: 4, event id: 2 register err[had registed](model.cpp:158): The model builder version = 1.1.6(bpu_model_info.cpp:35): Hybrid model hbm_hbrt_version = 3.6.6I0101 14:22:27.407476

这是提示的信息。

1.check无问题2.转化失败

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