OE版本:OE3.2.0我使用相同的校准数据集，分别以nv12和rgb进行量化编译；在x86上用python端模拟板端c++进行测试推理时，nv12的推理结果部分会出现置信度低和小部分的漏检情况，想问一下可能是什么原因如何排查。

你好我的一个模型，使用相同的校准数据集在x86平台上分别利用bgr和nv12为板端输入格式进行量化部署，nv12格式有的图片会出现无法检测到目标，有的置信度大幅度降低，也有部分正常输出结果，想问是什么原因如何排查（图片均采用校准数据集）。

地平线开发者社区征文活动第四期正式开启！不管是正在使用征程 6M 备战赛事的参赛同学，还是深耕算法、工具链、底层软件开发的每一位开发者，在项目调试、功能开发、落地实践的过程里，一定都有反复排查才解决的问题、摸索许久才通透的思路。不必把这些宝贵的踩坑经历、实操技巧与技术感悟独自存档。欢迎你将开发复盘、教程拆解、问题解法梳理成文参与征文，你的分享既能帮同行少走弯路，也能沉淀属于自己的技术积累。社区会为

采用OE的J6工具链转化一个.onnx的Yoloseg模型（经过验证可以准确高置信度识别），output0和output1应该如何解码？尝试了多种方式，无一例外的地置信度和识别错误。模型量化时的余弦相似度output0和output1分别为0.999+和0.975+

该帖子为社区文章QAT链路模型改造指南提供了对应附件的下载方式：calib和qat运行均以集成在下面这个脚本当中：horion_qat_mm.py，示例配置文件：detr_r50_8xb2-150e_coco.pycalib quant analysis脚本为：test_qa_multi.py 额外补充：当前代码仅在mmengine的标准模型上进行验证，针对mmengine二次开发的代码不保证代码

J6M域控A/B主线束引出接口详细定义、上边的3个按钮是什么（误触了一下以后上边显示为0）

地平线J3手册中说支持RGMII和RMII。但是问天工AI说是支持RGMII 和 MII。应该参考哪个？当前硬件设计成了MII连接到了一个phy芯片上，这种uboot和kernel驱动如何修改？

calibrate model 成功后Killed了，模型量化和编译没有做，如果直接对calibrate model 进行模型量化和编译。2026-07-09 23:41:21,303 INFO End to calibrate the model.2026-07-09 23:41:22,684 INFO Saving model to: /open_explorer/sparse_e2e/mod

在J6M芯片上，calibration和qat训练都结束了，在导出模型export的时候，报错：Traceback (most recent call last):  File "/usr/local/lib/python3.10/dist-packages/horizon_plugin_pytorch/tensor_dispatch_wrapper.py", line 275, in torch

1、芯片型号：J6-M2、OE包:j6_OE_v3.0.31_py103、问题定位：DSP加速4、问题描述：基于GndNet对点云进行地面分割，前处理中体素化与Centerpoint中略不同： （1）GndNet三个输入：voxels [2000，100，4]；coors [2000, 4]；num_point_prt_pillar [2000] （2）体素化后

和芯片无关和板卡无关天工开物开发包 OpenExplorer 版本：openexplorer/ai_toolchain_ubuntu_22_j6_gpu:v3.8.1，容器docker内开发fcos3d模型的训练nuscenes数据集训练fcos3d模型开发包目录里面的两个文件，/horizon_j6_open_explorer_v3.8.1-py310_20260326/samples/ai_t

使用hb_verify 比较两个模型，报以下错误，可能是什么原因？root@0dfbf82a04e7:/open_explorer/sparse_e2e# free -h total used free shared buff/cache availableMem: 62Gi 5.0Gi

root@f90c9f3d213e:/open_explorer/horizon_j6_open_explorer_v3.8.1-py310_20260326/samples/ai_toolchain/horizon_model_convert_sample/03_classification/03_resnet50# free -h total used

1、芯片型号：j6-M2、OE包版本：v3.9.03、问题定位：模型部署4、问题描述：目前有2D目标检测，3D点云检测，3D点云地面分割三个模型，是否可以在J6-M中同时启用BPU推理？是否会出现资源抢占？要实现这个功能该如何设置？

硬件环境:MARTIX_SIP_J6X_V2P0问题描述：使用flash.py烧写MCU镜像之后，板子启动不可，电流在0.11A左右，在执行官方手册中提供的空片/救砖的方法后，fastboot烧写失败。恢复的步骤:1.将SW2-2拨到ON的状态，确认此时MCU的串口在打印UUU.2.按照J6系统软件手册/J6X MCU指导手册1.2.4章节的步骤.\dfu-util-static.exe -d 3

和芯片无关和板卡无关天工开物开发包 OpenExplorer 版本：openexplorer/ai_toolchain_ubuntu_22_j6_gpu:v3.8.1，容器docker内开发fcos3d模型的训练 + 训练数据集3D框可视化 + predict可视化nuscenes数据集训练fcos3d模型，训练bev模型的 训练时加载数据，过滤框的机制多过滤了一些框，具体见附件的，附件的图片

本文基于地平线征程6芯片的特性以及部署经验积累，将在各场景的模型设计上给出高效模型结构建议，以达到加速用户的模型部署效率和落地效果的目的。高效backbone为了 提供针对 J6 系列芯片专门设计的高效 backbone，结合 J6 芯片的硬件特性，设计了高效模型 HENet (Hybrid Efficient Network)。模型介绍参考社区文章：https://developer.horiz

1、芯片型号：J6-M2、OE包:j6_OE_v3.0.31_py103、问题定位：模型转换检查4、问题描述：基于GndNet对点云进行高程回归和地面分割，3个动态输入：voxels：[N, 100, 4]，coors：[N, 4]，num_points：[N] 第一步执行onnx的check时报下错误：ONNX IR version: 7.Opset version: