FPAI异构融合智能芯片集成PS、NPU和PL模块，支持AI推理全流程计算。本文详细介绍了YOLO26模型在FPAI平台（30TAI开发板）的适配过程：通过修改ONNX结构适配DetPost硬件加速模块，复用YOLOv10代码框架，完成模型编译与前后处理对齐。实验表明，PARSED阶段仿真结果完全正确，ZG阶段带DetPost的推理存在微小误差。该方案验证了FPAI芯片高效部署YOLO系列模型的可

复旦微电子推出新一代FPAI芯片FMQL30TAI，集成4核CPU、8TOPS NPU和125K FPGA，支持Transformer架构和多模态AI应用。该芯片具备异构协同、高能效(约8W)、高精度(支持FP16/BF16/TF32)等优势，单芯片即可完成端侧智能全流程计算。适用于工业控制、智能家居、可穿戴设备等多场景，2025年Q4量产。配套自主软件工具链Icraft，支持主流深度学习框架部署

本文介绍了开发板通过串口和网线直连笔记本电脑的网络配置方法。关键步骤包括：使用dhclient命令获取IP地址，重启systemd-resolved服务，设置DNS服务器为8.8.8.8，并验证网络连接状态。配置完成后需注意IP地址变更情况，及时调整终端工具设置。文中还提供了网络恢复方法（断开共享后PC自动恢复，开发板重启恢复）和常见问题解决方案（通过/etc/rc.local启动systemd-

深度学习环境作为AI算法开发过程的基础生产力，其重要性不言而喻，本文详细梳理了深度学习环境搭建的过程以及将本地安装好的环境打包至其他平台的方法。本文安装的环境，目的是用于做AI算法推理、导出onnx、Icraft仿真等，以轻量为主，未涉及cuda环境。

本文详细介绍了YOLOv5_7.0模型从下载到嵌入式部署的全流程。首先从ModelScope获取YOLOv5_7.0工程源码及配套资源，包含模型权重、配置文件等。然后验证框架模型推理效果，将PyTorch模型导出为Icraft支持的ONNX/Torchscript格式并进行结构适配。接着通过icraft工具链编译模型生成部署文件，分别在Windows系统进行C++仿真和socket模式测试，最后完

深度学习环境作为AI算法开发过程的基础生产力，其重要性不言而喻，本文详细梳理了深度学习环境搭建的过程以及将本地安装好的环境打包至其他平台的方法。本文安装的环境，目的是用于做AI算法推理、导出onnx、Icraft仿真等，以轻量为主，未涉及cuda环境。

复旦微电子推出新一代FPAI芯片FMQL30TAI，集成4核CPU、8TOPS NPU和125K FPGA，支持Transformer架构和多模态AI应用。该芯片具备异构协同、高能效(约8W)、高精度(支持FP16/BF16/TF32)等优势，单芯片即可完成端侧智能全流程计算。适用于工业控制、智能家居、可穿戴设备等多场景，2025年Q4量产。配套自主软件工具链Icraft，支持主流深度学习框架部署

FPAI异构融合智能芯片集成PS、NPU和PL模块，支持AI推理全流程计算。本文详细介绍了YOLO26模型在FPAI平台（30TAI开发板）的适配过程：通过修改ONNX结构适配DetPost硬件加速模块，复用YOLOv10代码框架，完成模型编译与前后处理对齐。实验表明，PARSED阶段仿真结果完全正确，ZG阶段带DetPost的推理存在微小误差。该方案验证了FPAI芯片高效部署YOLO系列模型的可

FPAI异构融合智能芯片集成PS、NPU和PL模块，支持AI推理全流程计算。本文详细介绍了YOLO26模型在FPAI平台（30TAI开发板）的适配过程：通过修改ONNX结构适配DetPost硬件加速模块，复用YOLOv10代码框架，完成模型编译与前后处理对齐。实验表明，PARSED阶段仿真结果完全正确，ZG阶段带DetPost的推理存在微小误差。该方案验证了FPAI芯片高效部署YOLO系列模型的可

深度学习环境作为AI算法开发过程的基础生产力，其重要性不言而喻，本文详细梳理了深度学习环境搭建的过程以及将本地安装好的环境打包至其他平台的方法。本文安装的环境，目的是用于做AI算法推理、导出onnx、Icraft仿真等，以轻量为主，未涉及cuda环境。