J6静态分析的Timeline中，当我把分辨率放大查看时，为什么会出现在一个时间段内没有任何计算单元的运行或操作，包括读写操作？ 是因为调度优化问题吗？还是数据依赖的等待问题？

1.芯片型号：J5 .2.天工开物开发包 OpenExplorer 版本：J5 OE 1.1.68.3.操作描述：将一组数据（6 张图片和相机内参）预处理成1600*900，使用 bev_mt_lss 模型推理得到可视化结果.4.问题展示：使用不同的预处理方式：① 将图片和内参去畸变，然后resize成1600*900（比例不同的原图填充黑边），得到可视化结果：..② 不做去畸变， 将图片和内参r

hbm_perf 生成的html报告，中的卷积的ops 和cost time 不成正比是什么原因呢，

J6P系统可以不使用外挂MCU么？仅使用内部Safety Island来部署主动安全功能(如AEB等)。

.我们已知通过命令hrut_bpuprofile -b 2 -r 0可以看到BUP使用率的，如何在代码里面去获取这个信息的呢？

想问问，bpu是寄存器配置型的还是指令集型的呢，后端算子实现可以理解为cpu的conv算子调用指令集进行加速吗

如何实现多模型推理  目前知道 地平线的bpu 不同于nvidia 一次性load模型那种加载方法 我现在想用多个模型推理，请问我可以在哪里得到支持或者帮助

想请教下,若使用GDC做rotate工作,其时延同做畸变矫正的warps时延一样么?如果时延一样,那有更高效的地方做rotate功能么?

.J6.OE包V3.031.x86端验证hbm和bc模型输出一致且正确做图，上板部署遇到输出为0情况，图像及tensor处理使用示例代码进行操作，进行如下几种尝试输出皆无结果..ptq  input_type_rt : nv12   使用00_quick_start/resnet_nv12示例代码里面的 prepare_tensor 及read_image_2tensorasnv12函数进行数据预

工具链版本为horizon_j5_open_explorer_v1.1.68-py38.想要让下图激活校准节点以int16量化：..尝试更改量化编译配置文件.yml的node_info来指定其前面的Conv与relu节点int16输入输出：. .. .两个对应的node在netron可视化如下：.. .在模型量化编译时有log警告如下：. .. .对应的卷积节点输入结构如下图：. .. .最后量化

..芯片型号：J6.天工开物开发包 OpenExplorer 版本：3.0.31.天工开物开发包 docker镜像名称：openexplorer/ai_toolchain_ubuntu_22_j6_gpu:v3.0.31.复现OE文档中Centerpoint模型训练过程，根据OE文档-进阶内容-Horizon Torch Samples-示例说明-Centerpoint检测模型训练 .目前数据的目

在使用地平线 Python SDK (pyeasy_dnn) 运行 YOLOv5 模型时，.关键代码：.from hobot_dnn import pyeasy_dnn as dnn.models = dnn.load('xxx.bin') results = models[0].forward(nv12_data) 在使用地平线 Python SDK (pyeasy_dnn) 运行 YOLOv5

目前尝试部署一个基于yolov9的停车位检测模型，工具链版本为horizon_j5_open_explorer_v1.1.68-py38_20231014.首先按照精度debug工具走流程现已得知对激活的量化对模型误差影响较大，.并且已按敏感度排序激活校准节点，并且对余弦相似度较低的激活激活节点尝试解除量化后发现模型误差有明显好转：.现尝试对激活现在准备对激活校准节点后的卷积节点进行int16输入

1.J6M.2.OE：V3.0.31.3.板端部署.4. 依据00_quickstart中pyramid数据nv12部署，部署ptq量化模型（bc模型在板端成功推理及后处理做图），hbm模型在板端相同图像输入无最终框输出，打印一切正常。.自己代码与示列代码差距主要在后处理模块，这地方直接使用output_tensors进行张量解析及后处理，麻烦看一下是否正确，我尝试后板端最终结果无输出.. for

1.J6.2.V3.031.3. input_typr为bgr时编译生成的bc模型无法通过示例04_inference推理，报ERROR cannot reshape array of size 245760 into shape (1,384,640,3)  input_type_rt为NV12/featuremap格式生成的bc模型都可通过该脚本推理. .infer_transformer如下

1.J6.2. OE包V3.031.3. 模型训练时候使用的是NCHW BGR格式，无任何数据前处理流程。.使用PTQ量化时，当input_type_rt 与校准数据集都为BGR时掉点严重，但加上scale参数1/255后得分超过1（训练时无此操作）........当input_rt 改为RGB时，校准数据集不做更改时，quantized cosine 分数高..... .该模型之前在J5上使用

1.J6.2. 使用v3.031OE包....在prepare_tensor时候打印的输入input.properties.validShape.dimensionSize为 1x384x640x3（NHWC）（J5上这个size为NCHW）..........

J3或者J5的SDK在整包编译之后如何clean到只保留源码，现在使用clean all命令清理完以后，还是会保留很多中间文件

就是目前开发的网络使用J3工具链量化转换时，有些新出的网络算子都不支持，如果用自定义算子开发工具开发的话，只能跑在CPU上效果比较差。.现在官方好像也不怎么维护J3的算子生态了，想问一下官方是否考虑开放J3-BPU算子开发生态，让社区用户自行开发完善BPU算子。

在torch侧进行qat操作，会产生quantized 和dequantized 算子，可以导出hbm 模型么，再进行工具链的PTQ。.地平线工具链的qat 和模型训练的环境差异大，所以想着可不可以在torch侧进行qat，然后再用工具链进行一个PTQ的导出hbm模型