2026年8月
【模型轻量化专题】深度学习模型为什么需要轻量化
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(1) 评论(0) 推荐(0)
征程6工具链模型X86推理方式说明
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(2) 评论(0) 推荐(0)
【征程6】校准量化中HistogramObserver解析
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(25) 评论(0) 推荐(0)
2026年7月
征程 6 | 工具链 QAT ObserverBase 源码解析
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(9) 评论(0) 推荐(0)
征程 6 | 直方图量化配置与校准实例
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(11) 评论(0) 推荐(0)
【地平线 征程 6 工具链进阶教程】QAT 训练常见问题和排查
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(21) 评论(0) 推荐(0)
征程 6E/M Matrix 开发评板使用系列（一）：开箱与点亮
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(29) 评论(0) 推荐(0)
J6B vio scenario sample
摘要： 1. 功能概述 本文的 sample 实现单路、多路 VIO 通路接入和处理，以下介绍 1V、2V、6V 接入的场景。 1.1. 软件架构说明 调用 VIO API 来实现整个数据通路，实现多路 camera 接入。同时能够 dump 每一路数据的图像。 软件控制图如下： 1.2. 硬件数据流说明 阅读全文
posted @ 2026-07-01 23:30 地平线智能驾驶开发者 阅读(24) 评论(0) 推荐(0)
2026年6月
Transformer模型部署之性能优化指南
摘要： 一、前言 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 阅读全文
posted @ 2026-06-24 14:34 地平线智能驾驶开发者 阅读(15) 评论(0) 推荐(0)
人在途中：从“编译失败”到“模型可落地”——CUDA 自定义算子
摘要： 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 阅读全文
posted @ 2026-06-24 14:12 地平线智能驾驶开发者 阅读(12) 评论(0) 推荐(0)
下一页