本文介绍了基于BEVFormer的Dense BEV优化方案，通过引入BevMask减少冗余计算，并使用BPU友好的Gridsample算子，在征程6芯片上实现推理性能提升30%。

地平线SoC平台稳定性问题概述，涵盖kernel panic、内存损坏、看门狗和防火墙等常见问题，并提供调试方法。

本文介绍了四种主流的大模型量化方法：GPTQ、SmoothQuant、AWQ和旋转量化。

本文会对 LLM 中评价指标预训练概要进行介绍

12 月 9 日，“智驾生态·共筑未来丨地平线开发者生态论坛”在深圳前海国际会议中心如期举办。

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

ReID/OSNet 算法模型量化转换实践

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

帮助大家更好地理解两种激活函数在实际场景中的差异和应用

明确模型的输入与输出定义模型的损失函数LLM，即大语言模型，本质上是一个“token 接龙”高手，它不断预测下一个词符。这种推理生成方式被称为自回归模型，因为模型的输出会作为下一轮的输入，形成一个循环。刚开始，一个随机大模型，面对输入，它预测的下一个字符完全是随机的那么，它是如何学习的呢？在自注意力机制中，通过为 qk 增加掩码，softmax 后将负无穷对应到 0，隐藏掉 n 字符以后的内容。这