登录社区云,与社区用户共同成长
邀请您加入社区
地平线征程6工具链UCP平台支持模型板端部署,提供图像获取、性能分析、优化工具及前后处理模块。
文章介绍了地平线征程6H/P平台的QAT量化调优流程,重点围绕int8+int16+fp16混合精度配置,详细阐述了模型检查、校准、训练和导出部署各阶段的调优原则、常见问题及解决方法。
本文为地平线PTQ实战指南,提供快速评测、校准部署、混合精度调优等步骤,帮助开发者高效优化模型性能与精度。
文章介绍了地平线征程6板端部署中模型精度一致性问题的排查方法,涵盖export、convert、插入前处理节点及compile等步骤,并提供了用户侧与工具侧问题的定位流程与解决方案。
本文介绍了基于BEVFormer的Dense BEV优化方案,通过引入BevMask减少冗余计算,并使用BPU友好的Gridsample算子,在征程6芯片上实现推理性能提升30%。
地平线SoC平台稳定性问题概述,涵盖kernel panic、内存损坏、看门狗和防火墙等常见问题,并提供调试方法。
12 月 9 日,“智驾生态·共筑未来丨地平线开发者生态论坛”在深圳前海国际会议中心如期举办。
推理多任务模型时,可能会有不同任务分支 部署不同帧率的需求,例如 BEV 动态任务 20 帧,静态任务 10 帧这种情况。此时,重复的公共部分 backbone+neck 会重复占用内存与存储,且 backbone+neck 重复推理,会造成多余的资源消耗、影响性能。为了解决这些问题,且实现不同任务分支推理不同帧率,可以使用工具链提供的 link 打包功能。工具链提供的 link 功能,能够 复用
VLA (Vision Language Action)是一种多模态机器学习模型,结合了视觉、语言和动作三种能力,旨在实现从感知输入直接映射到控制动作的完整闭环能力。VLA强调一体化多模态端到端架构,非感知规控的模块化方案。
VLM 在自动驾驶中的应用