最近韩国电影片在线观看完整版,久久国产精品波多野结衣AV,日本成熟老妇乱

征程 6 | power management sample

1. 功能概述本文通過示例演示如何通過相關(guān)接口對啟動標志進行讀寫，以及對 main 域電源進行控制與查詢。相關(guān) API 定義，請查詢電源管理用戶手冊 API 部分。2. main 域上下電及狀態(tài)查...

算法自動駕駛 2026-02-10

征程 6 H/P 工具鏈 QAT 精度調(diào)優(yōu)

一、QAT 調(diào)優(yōu)流程流程總覽：針對征程 6H/P 的硬件特性，以 int8+int16+fp16 的混合精度量化為主要調(diào)優(yōu)配置，會增加較多的 fp16 設(shè)置來優(yōu)化量化精度注意：征程 6H/P 上會用到更多 fp16 高精...

算法自動駕駛 2026-01-20

汽車多總線數(shù)據(jù)采集：挑戰(zhàn)、架構(gòu)與同步策略全解析

一、引言每一次極端天氣下的緊急制動，每一段復(fù)雜路況中的精準識別，本質(zhì)都在考驗算法對現(xiàn)實世界的適應(yīng)能力。因此，我們可以看到在智能輔助駕駛從“功能驗證”到“場景攻堅”的關(guān)鍵階段，真實、高質(zhì)量的數(shù)據(jù)是算法性能提高的基石。尤其在...

總線數(shù)據(jù) 時間同步 2026-01-19

PTQ 量化數(shù)值范圍與優(yōu)化

一、PTQ 模型量化問題1.1、模型問題基于公版模型訓(xùn)練，沒有對模型做范圍做約束，weight_decay=1e-6，訓(xùn)練出的 float 模型數(shù)值分布很大，如圖 2，可以看到模型的后面幾層數(shù)據(jù)分布范圍很廣，最大閾值超...

算法自動駕駛 2025-12-15

征程 6P/H 計算平臺部署指南

1.前言本文旨在提供征程 6H/P 計算平臺的部署指南，將會從硬件、軟件兩部分進行介紹，本文整理了我們推薦的使用流程，和大家可能會用到的一些工具特性，以便于您更好地理解工具鏈。某個工具具體詳 l 細的使用說明，還請參考...

算法自動駕駛 2025-12-15

開發(fā)者 | 2025 智能駕駛開發(fā)者系列培訓(xùn)在京順利召開！

11 月 30 日，由地平線、中國汽車工程學(xué)會主辦，聯(lián)合中國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新聯(lián)盟打造的 2025 智能駕駛開發(fā)者系列培訓(xùn)在北京圓滿落幕。本次培訓(xùn)吸引了北京理工大學(xué)、吉林大學(xué)、長安大學(xué)、一汽、廣汽、比亞迪、蔚...

算法自動駕駛 2025-12-06

征程 6 | linear 高精度輸出配置方式

1. 常規(guī)情況基礎(chǔ)知識：考慮到模型輸出位置量化損失對模型精度的影響較大，工具鏈推薦模型以 linear/conv 結(jié)尾，此時支持高精度 int32 輸出（在 quantized.onnx 中，轉(zhuǎn)定點為 int32，在前面...

算法自動駕駛 2025-11-30

征程 6 | QAT 新版 qconfig 量化模板使用教程

1.前言隨著征程 6 芯片家族的陣容不斷壯大，算法工具鏈在量化精度方向的優(yōu)化也在持續(xù)深入，具體體現(xiàn)在兩個方面：征程 6P 與征程 6H 工具鏈已陸續(xù)進入發(fā)布和試用階段，在此背景下，QAT（量化感知訓(xùn)練）需要以更高效的...

算法自動駕駛 2025-11-30

不同傳感器前中后融合方案簡介

在自動駕駛場景下，攝像頭 + 激光雷達的傳感器融合方案是最常見的感知技術(shù)路線，目標是充分利用二者的互補性：攝像頭優(yōu)勢：分辨率高、紋理豐富、顏色信息齊全，有利于識別語義信息（車道線、交通燈、行人類別等）。激光雷達優(yōu)勢：天然...

算法自動駕駛 2025-11-14

征程 6X 常見 kernel panic 問題

1. 概述kernel panic 包含了多種內(nèi)核異常類型，包括但不限于：空指針/異常指針、HungTask、RCU Stall、softlockup、hardlockup、OOM、BUG_ON。下圖是各種類型 pani...

算法自動駕駛 2025-11-14

SimData：基于aiSim的高保真虛擬數(shù)據(jù)集生成方案

一、前言在自動駕駛感知系統(tǒng)的研發(fā)過程中，模型的性能高度依賴于大規(guī)模、高質(zhì)量的感知數(shù)據(jù)集。目前業(yè)界常用的數(shù)據(jù)集包括 KITTI、nuScenes、Waymo Open Dataset 等，它們?yōu)樽詣玉{駛...

自動駕駛仿真數(shù)據(jù)集 2025-11-10

LLM 訓(xùn)練基礎(chǔ)概念與流程簡介

1. LLM 訓(xùn)練基礎(chǔ)概念1.1 預(yù)訓(xùn)練（Pretrain）LLM 首先要學(xué)習(xí)的并非直接與人交流，而是讓網(wǎng)絡(luò)參數(shù)中充滿知識的墨水，“墨水” 理論上喝的越飽越好，產(chǎn)生大量的對世界的知識積累。預(yù)訓(xùn)練就是讓 Model 先埋...

算法自動駕駛 2025-11-08

三種 Badcase 精度驗證方案詳解與 hbm_infer 部署實錄

在模型結(jié)構(gòu)優(yōu)化與部署量化過程中，開發(fā)者往往會遇到一個關(guān)鍵任務(wù)：基于歷史 Badcase 數(shù)據(jù)驗證模型精度變化，確保模型修改不會引入明顯性能退化。這類驗證常見于感知、預(yù)測、行為識別等任務(wù)，尤其在客戶交付或精度回歸過程中十...

算法自動駕駛 2025-10-24

大模型 | VLA 初識及在自動駕駛場景中的應(yīng)用

一、VLA 簡介1.1 VLA 定義VLA （Vision Language Action）是一種多模態(tài)機器學(xué)習(xí)模型，結(jié)合了視覺、語言和動作三種能力，旨在實現(xiàn)從感知輸入直接映射到控制動作的完整閉環(huán)能力。VLA 強調(diào)一體化...

算法自動駕駛 2025-10-24

手撕大模型 | MQA 和 GQA 原理解析

一、前言大模型（參數(shù)規(guī)模通常數(shù)十億至萬億級）在處理復(fù)雜任務(wù)時面臨三大核心問題：顯式關(guān)聯(lián)的局限性：傳統(tǒng) Multi-head Attention 依賴輸入數(shù)據(jù)的顯式特征（如文本中的詞向量、圖像中的像素特征）計算注意力，難以...

算法自動駕駛 2025-10-15

征程 6 | BPU trace 簡介與實操

一、BPU trace 理論基礎(chǔ)在學(xué)習(xí) BPU trace 前，希望大家對 UCP trace 已經(jīng)有簡單的了解，詳情可見工具鏈用戶手冊《統(tǒng)一計算平臺（UCP）-UCP 性能分析工具-UCP Trace 使用說明》章節(jié)。...

算法自動駕駛 2025-10-15

模型插入 NV12 預(yù)處理節(jié)點精度問題排查流程

一、引言在近期工具鏈實踐過程中，頻繁出現(xiàn) BC 模型在插入 NV12 預(yù)處理節(jié)點后精度崩潰的現(xiàn)象。經(jīng)分析，此類問題可分為兩類：其一為用戶側(cè) BGR/RGB 轉(zhuǎn) NV12 的代碼實現(xiàn)缺陷；其二為 BGR/RGB 與 NV1...

算法自動駕駛 2025-09-28

征程 6 | 灰度圖部署鏈路介紹

一、為什么是灰度圖相較于 RGB 三通道圖像，灰度圖僅保留亮度信息（Y 分量），數(shù)據(jù)量減少 2/3，相比于常用的 NV12 圖像，數(shù)據(jù)量減少 1/3，內(nèi)存占用與計算負載顯著降低。對于下游網(wǎng)絡(luò)結(jié)構(gòu)而言，單通道網(wǎng)絡(luò)計算量/參...

算法自動駕駛 2025-09-13

手撕大模型｜KVCache 原理及代碼解析

在大型語言模型（LLM）的推理過程中，KV Cache 是一項關(guān)鍵技術(shù)，它通過緩存中間計算結(jié)果顯著提升了模型的運行效率。本文將深入解析 KV Cache 的工作原理、實現(xiàn)方式，并通過代碼示例展示其在實際應(yīng)用中的效果。一、...

算法自動駕駛 2025-09-13

征程 6E/M｜多 camera 場景示例

1. 功能概述本 sample 提供全鏈路場景 1V，4V，7V 使用演示，實現(xiàn)單路及多路 VIO 接入，逐級經(jīng)過 ISP、PYM、BPU、CODEC 模塊處理。1.1. 軟件架構(gòu)說明本 sample 調(diào)用 VIO AP...

算法自動駕駛 2025-09-06

理想汽車智駕方案介紹 4 | World model + 強化學(xué)習(xí)重建自動駕駛交互環(huán)境

一、前言【理想汽車智駕方案介紹專題 -1】端到端+VLM 方案介紹【理想汽車智駕方案介紹專題 -2】MindVLA 方案詳解【理想汽車智駕方案介紹專題 -3】MoE+Sparse Attention 高效結(jié)構(gòu)解析在前面的...

算法自動駕駛 2025-09-06

開發(fā)者說｜H-RDT：基于人類操作數(shù)據(jù)的跨本體機器人學(xué)習(xí)

? 論文題目：H-RDT: Human Manipulation Enhanced Bimanual Robotic Manipulation? 論文鏈接：https://arxiv.org/abs/2507.23523...

算法自動駕駛 2025-08-30

理想汽車智駕方案介紹 2｜MindVLA 方案詳解

一、引言MindVLA 主要包括空間智能模塊、語言智能模塊、動作策略模塊、強化學(xué)習(xí)模塊，這些模塊分別有以下功能：空間智能模塊：輸入為多模態(tài)傳感器數(shù)據(jù)，使用 3D 編碼器提取時空特征，然后將所有傳感器與語義信息融合成統(tǒng)一的...

算法自動駕駛 2025-08-24

LLM 中評價指標與訓(xùn)練概要介紹

在【LLM】LLM 中增量解碼與模型推理解讀一文中對 LLM 常見名詞進行了介紹，本文會對 LLM 中評價指標與訓(xùn)練概要進行介紹，本文并未介紹訓(xùn)練實操細節(jié)，未來有機會再了解～一、LLM 如何停止輸出在看 LLM 評價指標...

算法自動駕駛 2025-08-24

LLM 中增量解碼與模型推理解讀

在【LLM】LLM 中 token 簡介與 bert 實操解讀一文中對 LLM 基礎(chǔ)定義進行了介紹，本文會對 LLM 中增量解碼與模型推理進行解讀。一、LLM 中增量解碼定義增量解碼（Incremental Decodi...

算法自動駕駛 2025-08-24

開發(fā)者說｜Aux-Think：為什么測試時推理反而讓機器人「誤入歧途」？

論文題目：Aux-Think: Exploring Reasoning Strategies for Data-Efficient Vision-Language Navigation? 論文鏈接：https://arx...

算法自動駕駛 2025-07-16

地平線走進武漢理工，共建智能駕駛繁榮生態(tài)

一線工程師實戰(zhàn)授課，推動產(chǎn)學(xué)研深度融合7月3日，武漢理工大學(xué)汽車工程學(xué)院與地平線聯(lián)合啟動“智馭未來：智能駕駛技術(shù)解析與實踐初探”暑期卓越學(xué)堂項目。該項目聚焦智能網(wǎng)聯(lián)與智能駕駛技術(shù)前沿，通過校企協(xié)同授課、真實產(chǎn)業(yè)場景實踐，...

算法自動駕駛 2025-07-12

物理級傳感器仿真：破解自動駕駛長尾場景驗證難題

自動駕駛研發(fā)面臨"長尾效應(yīng)"的終極挑戰(zhàn)：海量邊緣場景需要近乎無限的測試里程。仿真測試雖已成為行業(yè)共識，但其真實度仍存根本性質(zhì)疑——當(dāng)多數(shù)平臺仍停留在視覺逼真層面時，感知算法的低階數(shù)據(jù)處理和魯棒性測試已...

自動駕駛仿真 2025-07-07

地平線靜態(tài)目標檢測 MapTR 參考算法 - V2.0

該示例為參考算法，僅作為在征程 6 上模型部署的設(shè)計參考，非量產(chǎn)算法一、簡介高清地圖是自動駕駛系統(tǒng)的重要組件，提供精確的駕駛環(huán)境信息和道路語義信息。傳統(tǒng)離線地圖構(gòu)建方法成本高，維護復(fù)雜，使得依賴車載傳感器的實時感知建圖成...

算法自動駕駛 2025-06-28

征程 6X｜GPU 應(yīng)用場景

一、典型場景1.1 多路拼接多路拼接場景如下圖所示。4 路 3M 的相機數(shù)據(jù)經(jīng)過 PYM 處理后存儲到 DDR，GPU 從 DDR 中讀取 4 張 YUV 格式的圖片進行拼接處理。完成任務(wù)后，GPU 輸出數(shù)據(jù)保存在 DD...

算法自動駕駛 2025-06-28

征程 6E/M｜如何解決量化部署時 mul 與 bool 類型數(shù)據(jù)交互的問題

一、引言使用征程 6 工具鏈進行量化部署時，涉及 bool 類型數(shù)據(jù)計算時，會有一些與全 float 計算不同的情況，需要特別注意。本文將重點結(jié)合 PyTorch 的 torch.mul（逐元素相乘）以及張量的&nbs...

算法自動駕駛 2025-06-23

BEV 感知算法評價指標簡介

一、引言智能駕駛感知模塊可以根據(jù)目標的屬性和環(huán)境信息，分為三類關(guān)鍵任務(wù)：動態(tài)感知任務(wù)、靜態(tài)結(jié)構(gòu)感知任務(wù)和可通行區(qū)域（Freespace）感知任務(wù)。本文將介紹三大任務(wù)中常見的精度評價指標。如果有不正確的地方，歡迎評論指正。...

算法自動駕駛 2025-06-23

征程 6｜Cache 使用場景

一、緩存機制基礎(chǔ)1.1 緩存類型對比屬性Cache Buffer（緩存）No Cache Buffer（非緩存）是否經(jīng)過 CPU cache是否（直接訪問內(nèi)存）訪問速度快（命中時）慢（每次都訪問主存）數(shù)據(jù)一致性...

算法自動駕駛 2025-06-22

地平線高效 backbone: HENet - V1.0

一、背景 & 目標為了提供針對征程 6 系列芯片專門設(shè)計的高效 backbone，我們充分利用了征程 6 芯片的硬件特性，設(shè)計了高效模型 HENet （HybridEfficient Network）。二、性能&...

算法自動駕駛 2025-06-22

征程 6EM 常見 QConfig 配置解讀與示例

一、引言在工具鏈用戶手冊《量化感知訓(xùn)練（QAT）-開發(fā)指南-QConfig 詳解》章節(jié)專門介紹了在 J6EM 上 qconfig 是怎么回事，從經(jīng)歷看，大家可能會存在看了依舊不懂，或懂了不知道怎么配置的情況，特別是一些 ...

算法自動駕駛 2025-06-01

征程 6 yolov5s-rgb-nhwc量化指南

在征程 6 平臺，我們可以按照這個方式編譯 input_typr_rt 為 rgb，且 layout 為 NHWC 的模型。這樣做的好處是，當(dāng)用戶的數(shù)據(jù)輸入源本身就是 NHWC 的 rgb 圖像時，這么做可以避免額外的...

算法自動駕駛 2025-05-13

C++部署的性能優(yōu)化方法

一、使用結(jié)構(gòu)體提前存放常用變量在編寫前后處理函數(shù)時，通常會多次用到一些變量，比如模型輸入 tensor 的 shape，count 等等，若在每個處理函數(shù)中都重復(fù)計算一次，會增加部署時的計算量。對于這種情況，可以考慮使用...

算法自動駕駛 2025-04-28

征程 6 VIO Frame buffer管理

1.底層 buffer 狀態(tài)機系統(tǒng)通過五個狀態(tài)隊列實現(xiàn)幀緩沖區(qū)的全生命周期管理，各狀態(tài)定義及轉(zhuǎn)換邏輯如下：1.FREE（空閑態(tài)）功能描述：管理初始可用緩沖區(qū)初始化操作：場景運行時預(yù)分配所有 frame buffer ...

算法自動駕駛 2025-04-24

征程 6 VIO Frame 時間戳介紹

1. 時間類型征程 6 內(nèi)部的時間類型如下Linux 系統(tǒng)時間是基于 arm system counter 抽象的，Linux 的基于 arm system counter 抽象了很多種時間，圖中畫了兩種。CLOCK_M...

算法自動駕駛 2025-04-12

【輕量化】三個經(jīng)典輕量化網(wǎng)絡(luò)解讀

1. 引言模型壓縮常用的方案包括量化、蒸餾、輕量化網(wǎng)絡(luò)、網(wǎng)絡(luò)剪枝（稀疏化）等，詳細介紹可見文章：模型壓縮理論簡介及剪枝與稀疏化在 J5 上實踐。最近在學(xué)習(xí)地平線提供的輕量化網(wǎng)絡(luò)結(jié)構(gòu) HENet，結(jié)合幾年前整理的 mobi...

算法自動駕駛 2025-04-09