征程 6 ：开启代际升级新篇章！

本 sample 实现限制进程 cpu 占用率和运行的 cpu 核功能，此处主要介绍该 sample 的实现与使用方法。

本文旨在提供 征程 6H/P 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。

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

本章将系统且全面地为大家呈现新版 qconfig 模板的核心内容，涵盖其关键更新点、规范的基本使用流程以及对相关产出物的详细介绍。

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。

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。

不同平台时间戳介绍，征程 3、征程 5、征程 6 这几个不同平台的时间戳有什么不同？本文具体介绍其中不同

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

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

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

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。

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

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。

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。

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

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。

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

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）

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

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