2026年3月
SparseDrive 模型导出与性能优化实战
摘要： 1. 前言 当前端到端智能驾驶技术发展迅速，SparseDrive 作为代表性模型受行业关注。工程化落地时，其模型导出与性能评测环节存在普遍技术挑战，涉及架构与环境兼容性、算子适配等多维度。为推动端到端智驾技术社区化发展，本文梳理 SparseDrive 从 ONNX 导出到硬件部署的技术链路，剖析 阅读全文
posted @ 2026-03-02 22:08 地平线智能驾驶开发者 阅读(24) 评论(0) 推荐(0)
地平线 VP 接口工程实践（一）：hbVPRoiResize 接口功能、使用约束与典型问题总结
摘要： 一、写在前面：为什么要写这篇文章 在 BPU 推理链路中，VP（Vision Pipeline）承担了大量图像前处理工作，例如裁剪、缩放、颜色格式转换等。 相比普通的软件图像处理接口，VP 接口直接面向硬件，性能优势明显，但也引入了​严格且隐含的使用约束​。 在实际项目中，hbVPRoiResize 阅读全文
posted @ 2026-03-02 21:10 地平线智能驾驶开发者 阅读(5) 评论(0) 推荐(0)
2026年2月
【地平线 征程 6 工具链进阶教程】算子优化方案集锦
摘要： 在将算法模型部署至 征程 6 芯片平台的实际应用中，由于算法设计与硬件架构特性存在差异，可能会出现部分算子适配度有待提升、运行效率有待优化以及量化精度可进一步优化等情况。解决好这些问题有助于模型更快更好的运行，充分发挥硬件性能。 本文聚焦于算法模型在 征程 6 芯片上部署时的算子支持问题，包括算子不 阅读全文
posted @ 2026-02-25 12:26 地平线智能驾驶开发者 阅读(29) 评论(0) 推荐(0)
征程 6 | power management sample
摘要： 1. 功能概述 本文通过示例演示如何通过相关接口对启动标志进行读写，以及对 main 域电源进行控制与查询。相关 API 定义，请查询 电源管理用户手册 API 部分 。 2. main 域上下电及状态查询示例代码 请参考版本中 Service/Cmd_Utility/power_sample_cm 阅读全文
posted @ 2026-02-10 22:24 地平线智能驾驶开发者 阅读(6) 评论(0) 推荐(0)
地平线征程 6 工具链入门教程 | 征程 6B 计算平台部署指南
摘要： 1.前言 本文旨在提供 征程 6B 计算平台的部署指南，将会从硬件、软件两部分进行介绍，本文整理了我们推荐的使用流程，和大家可能会用到的一些工具特性，以便于您更好地理解工具链。某个工具具体详细的使用说明，还请参考用户手册。 2.征程 6B 硬件配置 BPU 内部器件： TAE：BPU 内部的张量加速 阅读全文
posted @ 2026-02-06 20:00 地平线智能驾驶开发者 阅读(43) 评论(0) 推荐(0)
地平线 征程 6 工具链进阶教程 | 多任务 不同帧率 部署方案介绍
摘要： 1.需求场景 在智能驾驶等复杂业务场景中，模型往往具备​多任务分支结构​，例如在同一个网络中同时包含​​ BEV 动态任务​（如目标检测、跟踪、运动预测）与​​ BEV 静态任务​（如地图构建、车道线提取、可行驶区域预测），这些任务对推理频率（Frames Per Second， FPS）的要求通常 阅读全文
posted @ 2026-02-06 16:34 地平线智能驾驶开发者 阅读(11) 评论(0) 推荐(0)
2026年1月
地平线 征程 6 工具链入门教程 | 板端部署 UCP 使用指南
摘要： 1.前言 在模型板端部署过程中，开发者主要关心图像如何获取，模型性能如何评测以及如何优化模型等问题。对于图像的获取，地平线提供了 Pyramid 硬件，其不但可以获取多尺寸图像，且利用内存共享机制可将内存给到 BPU 直接进行推理。针对耗时，内存占用，DDR 带宽占用等指标进行评测和优化，地平线提供 阅读全文
posted @ 2026-01-27 11:26 地平线智能驾驶开发者 阅读(59) 评论(0) 推荐(0)
征程 6 H/P 工具链 QAT 精度调优
摘要： 一、QAT 调优流程 流程总览： 针对征程 6H/P 的硬件特性，以 int8+int16+fp16 的混合精度量化为主要调优配置，会增加较多的 fp16 设置来优化量化精度 注意： 征程 6H/P 上会用到更多 fp16 高精度和 GEMM 类算子双 int16 等的配置，为了配置方式更加简单灵活 阅读全文
posted @ 2026-01-20 12:09 地平线智能驾驶开发者 阅读(42) 评论(0) 推荐(0)
征程 6 算法工具链 | PTQ 深度使用指南
摘要： 这份指南聚焦开发者使用 PTQ 时的实际需求，从 “解决什么问题”“怎么用 PTQ 解决” 的角度，提供实战步骤与技巧，手册（训练后量化 PTQ）中已有的通用内容将直接引用在线链接，避免重复。 一、快速评测：摸透模型性能上限 1.解决的核心问题 开发者拿到 float ONNX 模型后，首要需求是快 阅读全文
posted @ 2026-01-16 12:53 地平线智能驾驶开发者 阅读(24) 评论(0) 推荐(0)
征程 6 | 平台 QAT 精度一致性问题分析流程
摘要： QAT 训练完成后，从 torch qat 伪量化模型到 征程 6 板端部署 hbm 模型之间，有模型 export 导出、convert 转定点、插入前处理节点以及 compile 编译等步骤，在这些步骤中，如果出现精度不一致的情况，说明存在一致性问题。一致性问题分为两类： 用户侧问题。例如：前后 阅读全文
posted @ 2026-01-13 13:32 地平线智能驾驶开发者 阅读(22) 评论(0) 推荐(0)
下一页