摘要: BEVFormer基于鸟瞰图,融合时空特征,解决动态场景感知问题,采用空间交叉注意力和时序自注意力,纯视觉方案,无需激光雷达,成为BEV感知标准范式。 阅读全文
posted @ 2026-09-08 16:14 地平线智能驾驶开发者 阅读(37) 评论(0) 推荐(0)
摘要: 本文介绍了模型量化技术,旨在降低深度学习模型在资源受限设备上的部署复杂度。从FP32到INT8的转换可减少75%存储并提升推理效率。核心在于通过Scale(和Zero Point)建立浮点与整数空间的映射,实现量化与反量化,同时分析了量化带来的信息损失及后续PTQ、QAT方法的优化空间。 阅读全文
posted @ 2026-09-06 14:57 地平线智能驾驶开发者 阅读(123) 评论(0) 推荐(0)
摘要: 模型轻量性衡量框架,包括存储复杂度(参数量、模型大小)和计算复杂度(FLOPs、推理时延),强调四指标从不同角度刻画,缺一不可。 阅读全文
posted @ 2026-09-01 17:28 地平线智能驾驶开发者 阅读(16) 评论(0) 推荐(0)
摘要: 一个模型即使在实验室中取得了很高的精度,也不代表它能够顺利落地到真实场景中。工程上真正关心的,不仅是模型“能不能识别”,更包括它“能不能快速识别”“能不能稳定运行”“能不能在有限资源下长期运行”以及“能不能以合理成本部署”。 阅读全文
posted @ 2026-08-12 11:01 地平线智能驾驶开发者 阅读(16) 评论(0) 推荐(0)
摘要: X86 推理是指 开发机(X86 CPU/GPU)上针对不同阶段的模型:ONNX模型、Hbir模型和hbm模型,进行相应的推理验证。绝大多数的推理验证不需要实际开发板,但是使用hbm_infer需要"board_ip"来连续开发板。本文是工具链常见的几种推理方式说明。 阅读全文
posted @ 2026-08-12 10:46 地平线智能驾驶开发者 阅读(22) 评论(0) 推荐(0)
摘要: HistogramObserver是horizon_plugin_pytorch中一种基于直方图统计的量化Observer。 阅读全文
posted @ 2026-08-12 10:45 地平线智能驾驶开发者 阅读(60) 评论(0) 推荐(0)
摘要: 1. 概述 ObserverBase 是 horizon_plugin_pytorch 量化框架中所有 Observer 的抽象基类。它定义了量化校准器的统一接口和核心功能,为各种量化策略(MinMax、MSE、KL 等)提供了基础架构。 2. ABCMeta 深度解析 2.1 Python 元类机 阅读全文
posted @ 2026-07-05 17:28 地平线智能驾驶开发者 阅读(16) 评论(0) 推荐(0)
摘要: 本文基于 horizon_plugin_pytorch 量化工具链,详细介绍多输出网络的量化配置策略、HistogramObserver 使用、混合精度设置及校准流程。 1. 模型结构设计 1.1 多输出网络示例 import torch import torch.nn as nn import t 阅读全文
posted @ 2026-07-05 17:15 地平线智能驾驶开发者 阅读(18) 评论(0) 推荐(0)
摘要: 一、引言 对于使用地平线 征程 6 各平台的用户而言,QAT 量化感知训练是模型量化部署流程中重要的环节,同时也是量化调优的难点之一。在 QAT 训练过程中,受模型结构、量化配置、训练超参、硬件特性适配等多因素影响,可能出现训练 Loss 不收敛、前向反向过程存在 NAN/INF 异常值、量化精度指 阅读全文
posted @ 2026-07-05 17:08 地平线智能驾驶开发者 阅读(26) 评论(0) 推荐(0)
摘要: 1.写在前面 征程 6E/M Matrix 板卡是面向 征程 6 系列芯片开发、调试和部署验证的开发平台。对于第一次接触 Matrix 板卡的同学来说,最关键的不是马上跑模型,而是先把板卡的供电、散热、网络、串口​调试链路正确连接起来,保证板卡可以稳定上电、正常启动,并能通过网络或串口进入系统。 本 阅读全文
posted @ 2026-07-05 16:48 地平线智能驾驶开发者 阅读(46) 评论(0) 推荐(0)