目前已知 gamma fe sq 是将 高数据位宽 压缩到 低数据位宽，gamma be sq 是 gamma fe sq 的反操作。.这两条曲线可以自己定义吗？还是系统内部写死了

gamma fe 和 gamma be 有什么区别？.gamma fe 和gamma fe sq、gamma be 和 gamma be sq，这两组是不是要成对一起使用？

可不可以介绍一下J6 VPU的规格，和J5有没有区别，码率控制支持哪些呀                                                      

【j5】.使用C++接口.如果按照sample中的示例编写，运行的时候会报一个输入数据的错误，应该是和nv12_separate相关（我的模型输入alignedSize是115200）：..因此我做了如下修改：..修改之后到推理那一步直接segmentation fault了。请问我这样的修改是不是有问题呢？

1. 芯片型号：J5 .2. 天工开物开发包 OpenExplorer 版本：J5_OE_v1.1.62.3. 问题定位：模型量化.4. 问题具体描述：选择max 0.99999 量化算法，开启per_channel后模型量化报Segmentation fault (core dumped)

【j5】.按照QAT文档，在模型训练时将图像转换成 了centered_yuv444 格式.但是如果要使用nv12输入，那在QAT模型训练时候如何进行前处理呢？（应该不再是使用 rgb2centered_yuv了吧）

2025-09-05 21:12:22,032 ERROR *** ERROR-OCCUR-DURING {horizon_nn.build_onnx} ***, error message: There is an ERROR during shape inference, error message: [ShapeInferenceError] (op_type:Pow, node name:

j5ddr和j6mddr的带宽是多少呢，两者是否一样，40GB/s是不是太少了，求解答.j5ddr和j6mddr的带宽是多少呢，两者是否一样，40GB/s是不是太少了，求解答

地平线J3芯片.遇到问题： hrt_model_exec infer --frame_count 2000 --thread_num=1 --core_id 0 --profiler_path ./    各位大佬好，请问设置thread_num数量为什么可以提升推理速度呢，我应该如何将多线程用到我的C++代码推理中，额能否提供一下示例，多线程与用BPU双核推理的加速有什么不同呢？.另外问一下，如

https://developer.horizon.auto/forum/11338 . .参考这个链接的教程在 J5 上部署两个模型，在一个 packed_dnn_handle 中推理。请问对于两个模型，即便是输入同一张图片也需要准备两份不同的 input tensor 吗？？我试了下只准备一份 input tensor 的这个版本，会出现推理报错：.[E][DNN][mem_pool.h:66

J5开发板环境和版本如图所示。.模型检查和编译环节没有ERROR，上板子之后有ERROR信息。 请大佬帮忙解答.有一批模型都是这样的 ，均是transformer相关的模型，CNN的模型就都没啥问题。.模型版本是opset11。.

....... ..1.芯片类型： 地平线J3芯片   pliot............. .2.OE包版本为 1.16.2c.3.遇到问题： 在转换模型的时候，所有的算子都在BPU上面情况下，加上remove_op_type:"Quantize;Dequantize"跟不加这句话两种情况下的html显示的bpu显示的推理时间都是一样的，是因为html中的推理时间以及fps本身就不包含量化与反量

【J5】.根据YOLO11 Instance Segmentation中的流程，对Attention模块进行等价改写，改为AAttn：..但是编译bin文件的时候，发现attn = exp_attn / sum_attn这个除法被放在了CPU上，请问这是什么原因？.

您好，根据官方教程，QAT量化第六步，compile是将定点模型quantized.bc编译为hbm模型，但是在compile_perf_hbir.py中使用到的却是伪量化模型qat.bc..请问这是为什么？我看到log中会出现一个hbir模型，请问这个模型又是什么模型，和qat.bc还有quantized.bc的区别是什么？

在j6的3.2.0版本完成centerpoint_pillar算法的QAT流程中，在量化模型编译时，发现运行compile_perf_hbir.py脚本时，会有删除模型的量化反量化节点,根据https://developer.horizon.auto/forum/12609帖子中的回答，得知删除节点是因为量化反量化跑在模型中是串行的，为了提升效率所以放到后处理中，但是量化和反量化的操作是乘加运算，

有一个小疑问：J6 OE3.2.0 版本是否能兼容J6以往的底软SDK版本。如250630sdk、241230sdk、240930sdk等。还是最好按照发布日期匹配，如oe3.2.0匹配250630sdk。oe3.0.31匹配241230sdk。

bc 模型和calibrated_model 差异很大 J6P测试的精度测试 quant cos 0.83 左右模型为 flow 模型，属于 TTS  cosyvoice 模型的一部分。.我这边尝试转换 flow_matching 模型，转换之后的模型端到端测试 calibrated_model.onnx 和 _ptq_model.onnx 输出的结果有一些问题，但是声音还是有可懂度的，而quan

【J5】.关于QAT异构量化，通过配置hybrid=True可以开启异构模式。. .例如Softmax，配置hybrid=True后模型中所有的Softmax算子都会自动分配在CPU上计算，但如果只需要设置单独某一个Softmax算子在CPU上计算的话，该如何操作呢？暂未查询到相关说明。

J6M.QAT过程中，我想将所有的节点设置成int16精度，来测试量化的上限，但只找到了fp16的，复制后修改int16会有问题 assert dtype in (torch.float16, torch.float32).要怎么一键设置呢？像PTQ那样  "all_node_type": "int16"/"float16",. ..all_fp16_qconfig_setter = Templa

J6M 同时支撑python和c++代码吗,还是仅支持c++？ 在算法开发阶段，用python写的数据处理部分（比如，轨迹预测算法提取地图信息等），怎么写入到J6中去呢.