onnx模型文件如何转.hbm文件，需要用到那个工具    介绍一下从onnx文件到板端部署的流程，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，

跑hb_compile的时候，怎么指定gpu id啊？我发现我用了export CUDA_VISIBLE_DEVICES=1没有用额，还是用的gpu0。

在运行horizon_j5_open_explorer_v1.1.77-py38_20240802的ai_forward_view_sample时怎么在网页查看运行结果，我试了ip：6680看不到结果

hrt_model_exec 的profile里面，看起来只显示了模型部分算子。它是依照什么依据决定某个算子是否放在profile.log和csv里？是会显示所有的cpu算子吗？不在这里面的就一定是bpu的？

OE包版本：3.0.27.在查看OE包中的QAT示例DETR模型时，发现调用的HAT包中定义的DETR模型，对出现torch.cat、torch.add的地方全部使用quantized.FloatFunctional().cat或quantized.FloatFunctional().add替换。可是在3.0.27的用户手册上J6E/M Torch 算子支持列表中，显示torch.cat、torc

在运行horizon_j5_open_explorer_v1.1.77-py38_20240802的ai_forward_view_sample时报错：运行bash build_and_deploy.sh. .报错：.[ 78%] Building CXX object CMakeFiles/J5_Sample.dir/src/modules/input/network_input_module.

.操作步骤：..使用opencv读取视频方式喂数据到模型里，推理检测模型没有结果.使用相机模式喂数据到模型，运行推理有结果.再使用第一步方式运行 可以出结果.. .版本信息：tztek_version: [B24CF85J6MD_A1_MA_240930_2.00.00_Release]. .请帮忙看想是什么原因.

.Hello ，.请问一下，现在我们在使用J6E对X3C进行后视的ISP调试，目前发现一个问题，就是夜间存在过亮的远光灯无法很好压制的问题，可以发现下图中，我们已经在新IQ版本中极力对远光车灯进行压制了：.主要操作为：.1.降低整体增益，当前Again使用15倍，但是Dgain最大1.5，且没有使用ISPDgain，Iridixgain最大1024。. .2.使用文档中luma_th等参数进行光晕

我通过VScode调试我的代码，会出现下图问题..我发现进程qemu-riscv的没有成功运行起来，所以一直卡在这边，没办法运行下去..我gdbinit文件设置的是如下，只想断点调试我父进程的代码..set follow-fork-mode parent.![Description](https://prod-dc-resources.oss-cn-beijing.aliyuncs.com/202

寻求无人泊车自动补能技术场景合作（APA、RPA、HPA、AVP）. .我司可提供新能源汽车全自动充电机器人，适配中国市场上所有充电桩/头、中国市场上销售的80%车型（包含车辆无法自动开盖、有内盖等车型都可完美适配 ），.目前在与国内主要新能源主机厂、充电桩企业、充电场站投建方洽谈合作，希望的更多合作方参与进来推进 无人泊车自动补能技术 应对. .产品名：麒麟座CF1柔韧全自动充电机器人. .合作

1、芯片型号：J6-m.2、板卡类型：J6-m.3、OE开发包：J6-v3.0.17和v3.0.22.4、问题定位：模型转换、板端部署.5、问题描述：使用J5进行模型转换板端部署都没有问题。使用J6-V3.0.17进行模型转换可以编译通过，使用J6-V3.0.22进行模型转换编译不通过。同时在进行J6-m板端部署出现问题如下。

 .请问PTQ生成的.bc模型和.hbm模型结果不一致是怎么回事呢？怎么分析呢？.如下图，是verifier得到的。且hbm推理很慢，一直在wait for fifo free，等了好久才出来。. .

PTQ量化时非图像输入可以配置成特征图输入，float数据类型即可，qat训练自带示例代码转换出来的模型的非图像输入都是下图类似的s16或s8，因此需要对输入的文件进行量化操作。请问qat可以输入浮点数吗？我们想和ptq一样输入浮点数据，在模型中完成量化，不想在外面手动处理。不知道qat训练在哪里配置这个。. . . .

用J6M，已经把校验数据压缩到100条，PTQ量化过程非常慢。跑一次要16个小时，其中校验过程大概7个多小时，编译8个小时。.正常用示例模型，或者感知模型，都是几分钟结束了。.所以这个有可能是什么原因呢？.模型是轨迹预测模型，里面attention这些比较多，onnx节点数很多有3000多个。但是模型推理是不慢的，gpu上推理0.02s，fast-perf模式量化生成的hbm在板端推理不到5ms。

在OE3.0.22中，之前出现过fft2d结果不正确的问题。我在论坛中提出过这个问题，通过了dsp镜像文件解决了这个问题。.但是我现在需要把fft算子编译进入DSP的自定义算子镜像中，fft2d结果不正确的问题又会出现。. .请问除了升级OE到3.0.27版本外是否有其他办法可以解决这个问题？.是否可以提供fft库文件的更新，或者其他相关文件的更新，使我可以在OE3.0.22中同时使用fft算子和

采用J6，量化工具链，采用非fast模式用校验数据转换模型。跑出来的hbm模型上板测发现有很多算子运行在cpu上了。请问yaml里可以配置让算子强制运行在bpu上吗？

芯片型号：J6mOE版本：3.0.22问题：在参考 地平线开发者社区 进行bevformer模型的QAT时，我们采用nuscenes-mini数据作为训练和测试数据集，进行浮点训练和QAT流程，并生成model.hbm板端文件，然后参考OE包中/guide/ucp/runtime/ai_benchmark章节的示例，在板端运行精度评测脚本 accuracy.sh生成对mini数据集进行推理得到结果

1,芯片型号：J52,OpenExplorer版本；J5_OE_1.1.623,问题定位：模型float训练, python3 tools/train.py --stage float --config myconfig.py4,具体问题描述:2024-12-25 15:52:41,474 WARNING: Force duplicate shared conv-bn is disabled by

.大家好，我目前正在使用x3 module搭载了官方载板，想要在该开发板上使用一款新的深度相机，因此需要编译驱动与json。我在一些旧的文档中看到了关于点亮和调试相机的一些说明，但依旧太简短，请问有更详细的资料或教程可以获取吗？此外，我在旧的文档中看到了相机驱动编译前的.c文件被存放于sdk文件中，但是我并未找到关于sdk代码的资源下载处。.我希望能够得到系统platformsdk文件或者came

1、芯片型号：J6E.2、算法工具链：3.0.22.3、问题定位：模型量化.4、问题具体描述：pytorch中使用scatter方法进行计算，导出模型后无法通过量化前的检测。翻阅以前的帖子，有遇到过类似问题（https://developer.horizon.auto/forum/11879），因为pytorch中规定scatter的index必须是INT64，但是J6E BPU不支持INT64输