芯片：j5OE版本：1.74目前检测框位置没有问题，上次发帖发现单张推理没有问题是因为对比的calibration的模型和origin模型的效果。这次改正回来quanti模型发现精度下降非常大，并且检测数量也变少。已经改为int16的量化模式。图中只剩了两个框，并且精度也很低。原始检测应该是10多个框。

您好，我用J5调试摄像头，我看帖子里面其他人都有这个路径： /app/bin/vps/vpm ， 为什么我的没有呢？

J6M量化，模型的bottleneck中最后一个conv及Add都跑在CPU上了，多个模型出现这个问题，请问原因是什么？怎么解决呢？...

芯片类型：J5OpenExplorer版本：1.74yolo11x目前参考提供例子中的yolo5x的转换示例进行量化，整体流程没有做过多改动，校准集仍然沿用yolo5x提供的图片。转换阶段没有出现错误。图片为origin和quanti模型单张图片推理的结果。想问一下应该调整哪些步骤可以解决这个问题。

J6可通过教程https://horizonrobotics.feishu.cn/docx/Gdr2drsVhotXbAxjeaGcV6Mqn3B进行模型化后处理，请问J5有没有类似的机制实现CenterPoint端到端

芯片型号：J6 天工开物开发包 OpenExplorer 版本：3.5.0 天工开物开发包 docker镜像名称：openexplorer/ai_toolchain_ubuntu_22_j6_gpu:v3.5.0 现在我在对sparse4d进行ptq量化编译，我感觉cls和anchor问题不大，主要问题是quality（如有错误请指正），结果附件1.png.我对onnx进行了可视化，发现origi

目前在调试J3芯片，想使用uboot+uart的方式烧录uboot.img，但是运行到35%就卡死，log如下，希望地平线的同事们帮忙解答一下

在地平线释放的基线包中存在SipA、 SipB、  SipPreA等多个版本的示例代码， 对PJ6MA42CA00C的硬件， 应该采用相应的哪个版本？请问是如何判断的呢？.

.🔥 2026年第一期征文活动来炸场了！「征程 6」算力底座已就位，泛智驾技术赛道全面解锁！. .不想让你的 BEV 融合算法、传感器优化方案、底软工具链神操作被埋没？这次征文直接把舞台拉满 —— 从征程 6 系列芯片工具链实战到多模态感知突破的干货，只要是泛智驾相关的技术脑洞、踩坑实录、创新方案，全都欢迎甩过来！. .你的代码里藏着前沿思路，你的笔记里满是实战智慧，现在就把这些 “技术干货”

.问题背景：对sparsedrive模型的检测建图部分进行PTQ量化，目前整体的PTQ量化流程是可以走通的，使用的full-compile模式，校准数据集是从nuscene的mini集中挑选了70帧；但是最后检测部分的量化精度很差，建图部分的量化精度正常，fullcompile时的输出结果相似度如下图所示.问题描述： 不太清楚为什么会出现检测和建图的精度相差如此大的这种情况，因为sparsedri

请问pack中online_mappping存储在哪个字段，另外bev_freespace、vismask怎么存储的

OE版本3.7/3.4.J6B的TopK算子返回的indices的int64类型，这个类型后面接了乘以浮点类型的运算，会引入cast的CPU算子，查看手册J6B目前的cast BPU算子最多只支持int32，有什么方法能消除这个cpu 的cast算子？.Onnx算子如下图.

.***********************************************************************************.请教一下J6B中MCU可以用IAR开发和调试吗？如果可以，应该用什么版本的IAR.

J6M.可以看到hrt_model_exec走的是ucp框架，hbrt4-run-model-nash是runtime模拟器，那么两者的推理结果是否具有可比性，比如hrt_model_exec的单帧latency能否和hbrt4-run-model-nash的run_bpu_node时间做对比

芯片型号：J6M.问题描述：使用hbVPRoiResize函数对NV12图像进行crop和resize，执行出错，代码如下：.. int32_t resize_width = 1024;. int32_t resize_height = 480;. auto image_width_stride = ALIGN_32(resize_width);. int32_t data_size = imag

芯片：J6M.oe版本：3.2.0.问题背景：目前已经使用hb_compile工具完成了模型的PTQ量化，使用的fast-perf模式；使用hb_model_info验证onnx模型和bc模型输入输出的顺序、形状完全一致；使用hb_verify验证optimized_float_model.onnx和quantized.bc，二者的输出相似度相对较低，如下图所示。.但是使用HBruntime工具对

1. J6M.2. J6_OE_3.2.0.3. 板端部署..在板端部署sparse bev模型时，转成平台hbm模型后，yuv的输入变成了u8且不带量化的格式，此时要如何对图像进行归一化操作？.或者是说在模型中已经存在归一化节点了？如果存在，请告知一下如何查找并确认归一化节点存在，谢谢！

芯片：J6.工具链：3.2.0.模型：八输入头-目标检测模型.问题背景：目前已经得到了量化后的hbm模型，hbm模型总共有八个输入头；在进行模型量化时，已经得到了作为校准数据集的8份npy文件，对应着onnx的八个输入头；onnx模型和hbm模型的输入如下图所示。.问题描述：请问这八份npy文件能否直接作为部署时hbm模型的输入数据？如果可以的话，应该如何在部署代码中加载这些npy文件呢？目前在o

J6M芯片，OE3.2.0的板子，运行生成的hbm时，一直卡在推理阶段，没有报错，也不中止（hbm生成时FPS5左右，且在docker成功调用）.使用dmesg -w查看说是  IOMMU 相关的内存映射错误 ，perf工具也失败了怎么排查或解决问题？DNN3.7.6(4.3.3 HBRT)

J6M OE3.2.0环境下生成了hbm，且静态报告里面FPS 为4.71，.我部署到J6M的板子上后，板子上CPU占比看着比较低，GPU上升了后很长时间是0，一直无有效推理结果出来理论上能生成hbm和静态报告，板子上应该能跑吧？CPU和BPU占比看着也不大....