随着深度学习的快速发展，Transformer 算法在各类 AI 任务中都得到了广泛关注。然而，Transformer 的部署面临计算量大、延迟高等挑战，地平线计算芯片能够支撑 Transformer 算法的高效推理，可以成为用户在边缘平台部署 Transformer 算法的优先选择。本文将对 Transf...

1. 问题现象：模型能跑，但落不了地在项目支持过程中，一个非常典型但高频的问题是：模型在 PC 侧验证一切正常，但在地平线工具链编译阶段直接失败。典型表现：ONNXRuntime 推理 ✅ 正常TensorRT 推理 ✅ 正常hb\_compile ❌ 失败（算子不支持）进一步分析后，基本都能...

本文记录了在地平线 RDK 征程 6 平台（Nash-E 架构）上部署 YOLO26 检测模型时，遇到的 INT64 类型 Div 算子 BPU 不支持问题，以及从定位到修复的完整过程，适合有一定 ONNX 和地平线部署基础的读者参考。

在 Horizon 模型转换与部署中，涉及三个关键参数：input\_shape、input\_batch、separate\_batch。理解这三个参数的作用与限制，是正确配置模型的前提。

之前在「人在途中」系列中，分享了一些工具链使用过程中的经验与踩坑笔记。这一篇想做一个补充：不讲算法、不讲优化，只讲​基础但极其影响效率的使用方式​。

工具链用户手册中提供了 profiler debug 工具的使用教程，对于常规流程，大家可参考官方用户手册。本文主要基于一些典型场景进行使用上的介绍。

神经网络在推理端（inference）经常通过运算符融合（operator fusion）来降低计算量、减少访存开销、加速执行。典型融合模式包括：

Batch Normalization （BN）：深度学习中常用的归一化层，核心作用是对每个 batch 的特征做 （x - μ）/σ 归一化（μ 是均值，σ 是方差），并通过可学习的 γ、β 调整分布；

针对 征程 6E/M 的硬件特性，以 int8+int16 的混合精度量化为主要调优配置，可尝试少量 fp16 算子如 LayerNorm（fp16 LayerNorm 在 OE 3.5.0 及以后版本支持）。

top 命令可以动态地持续监听系统及进程的运行状态，为用户提供 CPU 使用率、内存使用情况、CPU 负载信息，除此之外，该命令还提供了一个交互界面，用户可以根据需要进行调整。

对于系统中出现随机、不可解释的异常指针访问或数据错误导致的异常，一般要考虑是内存使用上出现了 UAF（Use-After-Free），OOB（Out-of-Bounds）。

无论是 BEVFormer 还是 BEVFusion，它们都隐含着一个共同前提——对整个 BEV 平面进行高分辨率、全量、持续的建模。这种设计在学术评测中表现出色，却在计算复杂度、时序稳定性和系统可维护性上不断累积压力。Sparse4D 正是在这一背景下出现的。它并没有否定 BEV 的价...

地平线首次亮相“揭榜挂帅”擂台赛聚力赋能科技创新设置21个奖项总奖金池约30万元，其中擂主团队奖金10万元获奖者更有机会进入地平线人才储备池并优先获得实习及就业的推荐机会扫描下方二维码立即查看赛题详情▼▼▼

一、背景：为什么大家几乎都会从 base\_int16 开始？在 QAT 项目中，只要遇到精度问题，工程师的第一反应通常是：先上全 int16，看精度上限。这是完全合理的。原因：int16 动态范围更大量化误差更小更接近浮点能快速验证“模型是否具备量化可行性”如果全 int16 精度仍...

目标检测这几年有两个非常容易混淆的概念：Anchor-Free​无需 ​NMS​（End-to-End）很多人会误以为：既然 Anchor-Free 直接回归框，那是不是就不需要 NMS 了？答案是：不一定。本文将系统讲清楚：Anchor-Free 到底解决了什么问题为什么 YOLOv8 还是需要 NMSYOLOv10 为...

本文以地平线 Open Explorer（OE）中的 CenterPoint 参考算法为主线，系统梳理 CenterPoint 的模型结构设计、Head 与 box 语义拆分方式，以及在工具链中从训练、导出到编译部署的完整工程语义。文末通过 nuScenes → KITTI 的一次实际配置修改，作为参考算法“应用级改...

从 2D 感知到 BEV 世界模型一、问题的本质：自动驾驶究竟要“理解”什么智能驾驶中的感知算法，并不是单纯回答“画面里有什么”，而是要回答三个更困难的问题：世界在三维空间中是什么样的不同传感器看到的是否是同一个世界这个世界在时间维度上如何连续变化早期感知算法...

征程 6X SoC 中有 2 路 watchdog，使用 wdt0（监控 linux irq），wdt1（监控 linux 优先级为 50 的 rt kthread）：

在模型量化过程中，常见的一种工程优化手段是​使用多 batch 进行校准（calibration）​，以提升 GPU 利用率、缩短校准时间。在实践中可以观察到这样一个现象：在部分模型上，多 batch 校准与单 batch 校准得到的量化结果并不完全一致，甚至可能出现精度差异。

1.功能概述¶本文的safetylib sample实现MCU Domain FCHM硬件故障、软件故障的注入和处理，此处主要介绍该sample的实现与使用方法。1.1. 软件架构说明¶本sample基于MCU CDD FCHM和SafetyLib实现，在示例OS的task文件中，调用SafetyLib的初始化接口，在ISR文件中，调用...