地平线开发者

VLM 凭借其强大的融合能力，将视觉（如高清晰度的摄像头图像、精准的雷达数据）和语言（涵盖详细的地图信息、明确的交通标志、准确的驾驶指令）等多种类型的信息进行有机整合，从而使得自动驾驶系统在感知复杂的道路环境、进行精确的推理以及制定明智的决策等方面展现出更为卓越的智能化水平。

Codec（Coder-Decoder）是指编解码器，用于压缩或解压缩视频、图像、音频等媒体数据

征程6 NV12理论与代码详解

征程6 工具链目前已经提供了比较丰富的集成化工具和接口来支持模型的移植和量化部署，本帖将整理常用的工具/接口以及使用示例来供大家参考

本文将讲解基于DEB工具的包管理方式，并以管理Boyan.deb软件包为例，展示包的构建、在 征程6上的部署等内容。

本文档简单介绍Camera子系统软件架构、列出已支持的Camera模组，并提供相应的配置说明

针对只使用过 Pytorch 在服务器上训练过一些分类、检测模型，没接触过 QAT 的小白，又不想读 PyTorch 官方文档，只想简单入个门，怎么办嘞？欢迎看看这篇文章

带大家快速上手 Sample-PYM

在 征程6 开发平台中,仿真功能是通过地平线统一异构计算框架 HUCP（Horizon Unified Computing Platform）来实现的。

需要用户了解的是后量化方式是基于几十或上百张校准数据实现的模型从浮点到定点转换过程，无论是数据的规模还是模型参数的表达宽度都与原始模型训练过程有很大的差距，精度损失在一定程度上是不可避免地。其中训练后量化 PTQ 是使用一批校准数据对训练好的模型进行校准，将训练过的FP32模型直接转换为定点计算的模型，过程中无需对原始模型进行任何训练。因为测试过程就是模型推理过程的真实在线，因此是对模型推理过程所需的系统依赖的一个全面评估，该过程有效弥补了静态评估仅针对BPU部分测评的不足。

如何有效地使用IPC-F来实现Acore和Rcore之间的高效数据传输

和我们一起 step by step 跑通你的征程 6 参考算法 BEVFormer 代码吧！