首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
征程 6 :开启代际升级新篇章!
地平线开发者
创建于2025-06-10
订阅专栏
征程 6 拥有统一的硬件架构、统一的工具链以及统一的软件栈,具备同代一致、代际兼容、系统最优的特性,并依托平台化可拓展的计算架构,以及配套一致、完整成熟的智能驾驶量产开发平台。
等 2 人订阅
共13篇文章
创建于2025-06-10
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
征程 6 | 多任务 不同帧率 部署方案
推理多任务模型时,可能会有不同任务分支 部署不同帧率的需求,例如 BEV 动态任务 20 帧,静态任务 10 帧这种情况
征程 6 | 征程 6 工具链如何支持 Matmul/Conv 双 int16 输入量化?
详细剖析 PTQ 和 QAT 链路下双 int16 配置的完整流程,包括如何利用精度 debug 工具准确识别出需要配置为双 int16 的敏感算子
征程 6 | BPU trace 简介与实操
在学习 BPU trace 前,希望大家对 UCP trace 已经有简单的了解,详情可见工具链用户手册
征程 6 | 灰度图部署链路介绍
相较于 RGB 三通道图像,灰度图仅保留亮度信息(Y 分量),数据量减少 2/3,相比于常用的 NV12 图像,数据量减少 1/3,内存占用与计算负载显著降低。
征程 6E/M|多 camera 场景示例
本 sample 提供全链路场景 1V,4V,7V 使用演示,实现单路及多路 VIO 接入,逐级经过 ISP、PYM、BPU、CODEC 模块处理
征程 6 | 自定义查表算子实现量化部署
本文将介绍如何在地平线平台上通过 SegmentLUT 实现一个自定义查表算子,并对它进行量化与导出。
征程 6 | UCP 任务优先级/抢占简介与实操
多模型推理场景中,可能会存在谁先谁后,甚至 A 模型任务正在运行,但需要被 B 模型任务抢占的情况。针对这种情况,地平线提供了模型优先级控制策略。
征程 6M 部署 Omnidet 感知模型
这篇文章详细描述了地平线征程 6M 部署 Omnidet 感知模型的基本特性和使用技巧,导出模型、校准集准备等
征程 6|工具链量化简介与代码实操
量化本质上是对数值范围的重新调整,可以「粗略」理解为是一种线性映射。但目前在工业界落地的还都是线性量化(对称量化、非对称量化、二值化等),地平线采用的主要是线性量化中的对称量化。
征程 6X|GPU 应用场景
多路拼接场景、多路畸变矫正场景、2D AVM场景及3D AVM场景等4个应用场景介绍。4 路 3M 的相机数据经过 PYM 处理后存储到 DDR
地平线高效 backbone: HENet - V1.0
为了提供针对征程 6 系列芯片专门设计的高效 backbone,我们充分利用了征程 6 芯片的硬件特性,设计了高效模型 HENet (HybridEfficient Network)
征程 6|Cache 使用场景
Cache 典型应用场景详解。属性Cache Buffer(缓存)No Cache Buffer(非缓存)是否经过 CPU cache是否(直接访问内存)访问速度快(命中时)慢(每次都访问主存)数据一
征程 6E/M|如何解决量化部署时 mul 与 bool 类型数据交互的问题
本文将重点结合PyTorch的torch.mul(逐元素相乘)以及张量的类型提升(Type Promotion)规则