11 2025 档案

摘要：1. 常规情况 基础知识： 考虑到模型输出位置量化损失对模型精度的影响较大，工具链推荐模型以 linear/conv 结尾，此时支持高精度 int32 输出（在 quantized.onnx 中，转定点为 int32，在前面 calib+qat 阶段都是 float32），这几乎可以做到无损。 征程 阅读全文

摘要：1.前言 随着 征程 6 芯片家族的阵容不断壮大，算法工具链在量化精度方向的优化也在持续深入，具体体现在两个方面： 征程 6P 与 征程 6H 工具链已陆续进入发布和试用阶段，在此背景下，QAT（量化感知训练）需要以更高效的方式适配算子的浮点计算能力，以确保量化精度和用户的使用体验； MatMul、 阅读全文

摘要：1. 前言 本文旨在提供 征程 6E/M 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 6EM 硬件配置 BPU 内部器件： TAE：BPU 内部 阅读全文

摘要：在自动驾驶场景下，摄像头 + 激光雷达的传感器融合方案是最常见的感知技术路线，目标是充分利用二者的互补性： 摄像头优势：分辨率高、纹理丰富、颜色信息齐全，有利于识别语义信息（车道线、交通灯、行人类别等）。 激光雷达优势：天然地具有深度信息，直接测得高精度距离和稠密点云，有利于构建 3D 几何结构和检 阅读全文

摘要：1. 概述 kernel panic 包含了多种内核异常类型，包括但不限于：空指针/异常指针、HungTask、RCU Stall、softlockup、hardlockup、OOM、BUG_ON。 下图是各种类型 panic 的路径： 2. 通用方法 kpanic 类异常均为 kernel 软件可 阅读全文

摘要：不同平台时间戳介绍 1.征程 3 平台 其中 u64 timestamps： 硬件时间戳，是跟 CPU 一起用的 64 bit system counter，1s 是 24M 个 clock。 FS 的时候从硬件寄存器读取。读取的值除以 24000 是毫秒，除以 24000000 是秒。 struc 阅读全文

摘要：1. LLM 训练基础概念 1.1 预训练（Pretrain） LLM 首先要学习的并非直接与人交流，而是让网络参数中充满知识的墨水，“墨水” 理论上喝的越饱越好，产生大量的对世界的知识积累。 预训练就是让 Model 先埋头苦学大量基本的知识，例如从 Wiki 百科、新闻、书籍整理大规模的高质量训 阅读全文