单击下方蓝色字体可跳转至对应的FAQ帖子，查看详细的问题描述及解答。PS：地图为手动整理，有任何问题或建议，欢迎在帖子下方留言~问题分类MDC 300FMDC 510/ MDC 510 ProMDC 610硬件整机 CAN缓冲区 CAN接口/传 感 器传感器传感器传感器 软件平台登录&升级风扇SoC MCU 时间同步网络&切区&升级升级 时间同步 视频流解码ACC唤醒&编译&网络&重启数据回放                                             升级           EM                                                应用开发 模型转化        ONNXDVPP       ADB AI模型                        API调用&模型                Profiling工具工 具 链 MDS                                   MMC          MDS                                                          MDS                    MVIZ          MCD                                         

目前A3口是千兆，他是否支持更改为百兆？目前的需求是A3口需要接一个雷达，这个雷达是百兆的，目前已经在usr_network_port.json文件里将A3口配置项里的speed从1000改为了100,但是雷达无数据，这都需要更改哪些配置呢

在MDC610上运行yolov5时出现这个报错，怎么解决？[HafDNNModelProcess() | Model inference failed, id is 1, acl error number: 507011] 024/07/10 09:07:35.791463636 2024/07/10 09:07:35.791454860 016 CamD CamD info [HafInitDevice() | Haf open acl device 0 success] 2024/07/10 09:07:35.791855719 2024/07/10 09:07:35.791847360 017 CamD CamD info [HafInitialize() | Haf create acl context success] 2024/07/10 09:07:35.791997802 2024/07/10 09:07:35.791987933 018 CamD CamD info [HafInitialize() | Haf init success] 2024/07/10 09:07:35.792465068 2024/07/10 09:07:35.792455719 019 CamD CamD info [ReadConfig() | Begin to read 'imageWidth' from config file.] 2024/07/10 09:07:35.792586136 2024/07/10 09:07:35.792575120 020 CamD CamD info [ReadConfig() | Begin to read 'imageHeight' from config file.] 2024/07/10 09:07:35.792651865 2024/07/10 09:07:35.792639313 021 CamD CamD info [ReadConfig() | Read config result. Image width: 1920 height: 1080] 2024/07/10 09:07:35.933693011 2024/07/10 09:07:35.933688870 022 CamD CamD info [HafDNNModelInitialize() | Acl load model success, model id: 1, model path: model/yolov5.om] 2024/07/10 09:07:35.933902438 2024/07/10 09:07:35.933893610 023 CamD CamD info [HafDNNModelInitialize() | DNN Model initialize success!] 2024/07/10 09:07:35.934035381 2024/07/10 09:07:35.934023610 024 CamD CamD info [HafDNNCreateInput() | Model input num: 1] 2024/07/10 09:07:35.934095068 2024/07/10 09:07:35.934083323 025 CamD CamD info [HafDNNCreateOutput() | Create model output success!] 2024/07/10 09:07:35.934124131 2024/07/10 09:07:35.934111631 026 CamD CamD info [HafDNNModelCreateOutput() | Create model output success!] 2024/07/10 09:07:35.934365381 2024/07/10 09:07:35.934355042 027 CamD CamD info [HafStreamCreate() | Haf create acl stream success !] 2024/07/10 09:07:35.936557933 2024/07/10 09:07:35.936551995 028 CamD CamD info [Initialize() | Initialize NN finished.] 2024/07/10 09:07:35.968809287 2024/07/10 09:07:35.968799000 029 CamD CamD info [ObjectDetectionThread() | Got image in inference thread. frameid&seq:  194874] 2024/07/10 09:07:36.093371240 2024/07/10 09:07:36.093362099 030 CamD CamD error [HafDNNModelProcess() | Model inference failed, id is 1, acl error number: 507011] 2024/07/10 09:07:36.093441240 2024/07/10 09:07:36.093429756 031 CamD CamD error [ImageInference() | NN model inference failed!] 2024/07/10 09:07:36.093477464 2024/07/10 09:07:36.093464938 032 CamD CamD fatal [ObjectDetectionThread() | Inference image failed. PROGRAM WILL STOP instance id: 21] 2024/07/10 09:07:36.093521943 2024/07/10 09:07:36.093509131 033 CamD CamD info [ObjectDetectionThread() | Process thread for instance finished. Instance id: 21] 2024/07/10 09:07:36.093579730 2024/07/10 09:07:36.093579365 034 CamD CamD info [SendingData() | Got StopFlag! Sending function return] 2024/07/10 09:07:36.093900902 2024/07/10 09:07:36.093892646 035 CamD CamD info [HafDNNModelInputDataDestroy() | Begin of destroying network input data] 2024/07/10 09:07:36.096135068 2024/07/10 09:07:36.096129235 036 CamD CamD info [HafDNNModelInputDataDestroy() | End of destroying network input data] 2024/07/10 09:07:36.096193349 2024/07/10 09:07:36.096181553 037 CamD CamD info [HafDNNModelOutputDataDestroy() | Begin of destroying network output data] 2024/07/10 09:07:36.096279183 2024/07/10 09:07:36.096267724 038 CamD CamD info [HafDNNModelOutputDataDestroy() | End of destroying network output data] 2024/07/10 09:07:36.100642985 2024/07/10 09:07:36.100640198 039 CamD CamD info [HafDNNDestroyMemoryPool() | Destory dnn model memory pool success!] 2024/07/10 09:07:36.100719105 2024/07/10 09:07:36.100708271 040 CamD CamD info [HafDNNDestroyMemoryPool() | Destroy memory pool success!] 2024/07/10 09:07:36.100751943 2024/07/10 09:07:36.100739756 041 CamD CamD info [HafDNNRelease() | Dnn release success!] 2024/07/10 09:07:36.792895772 2024/07/10 09:07:36.792894183 042 CamD CamD info [main() | The end of main...] 2024/07/10 09:07:36.792997881 2024/07/10 09:07:36.792985824 043 CamD CamD info [~CameraDetectionApp() | CameraDetectionApp destrutoring. Thread pool size: 1] 2024/07/10 09:07:36.793035928 2024/07/10 09:07:36.793023949 044 CamD CamD info [~CameraDetectionApp() | Begin to reset ACL device] 2024/07/10 09:07:36.793474079 2024/07/10 09:07:36.793464053 045 CamD CamD info [HafRelease() | aclrtDestroyContext Success] 2024/07/10 09:07:36.911261892 2024/07/10 09:07:36.911257933 046 CamD CamD info [HafRelease() | Reset device Success] 2024/07/10 09:07:36.911711215 2024/07/10 09:07:36.911701397 047 CamD CamD info [HafRelease() | Acl Final Success] 2024/07/10 09:07:36.911780538 2024/07/10 09:07:36.911768610 009 CamD RMCL info [10323-10323 rm_client.cpp:112:UnRegisterHisiResource UnRegisterHisiResource Start.] 2024/07/10 09:07:36.912590746 2024/07/10 09:07:36.912580433 010 CamD RMCL info [10323-10323 rm_service_proxy_impl.cpp:133:RegisterHisiResource RegisterHisiResource to rm center success.] 2024/07/10 09:07:36.912634131 2024/07/10 09:07:36.912621944 011 CamD RMCL info [10323-10323 rm_client.cpp:126:UnRegisterHisiResource UnRegisterHisiResource success.] 2024/07/10 09:07:36.912661840 2024/07/10 09:07:36.912649288 048 CamD CamD info [HafRelease() | ara::rm::UnRegisterHisiResource Success] 2024/07/10 09:07:36.912735850 2024/07/10 09:07:36.912723532 049 CamD CamD info [~CameraDetBase() | CameraDetBase release success] 2024/07/10 09:07:36.912764834 2024/07/10 09:07:36.912752230 050 CamD CamD info [~Object3DSendBase() | Object3DSendBase release success] 2024/07/10 09:07:36.912790668 2024/07/10 09:07:36.912777699 051 CamD CamD info [~DataSendBase() | Data send baes destructor finished. idx:1001] 

MDC610 自定义网络配置，我需要添加4个特定路由，到四个具体的硬件，这四个硬件分别连接在A1-A4口，我需要修改哪个文件来设置呢

是否有MDC Core的技术方案/关键技术的介绍性文档？

自定义配置网络出错，目前无法远程连接MDC，如果用串口连接怎么修改调整

在同样的网络环境下，从mdc610内通过scp向服务器上传文件的速率，明显低于从mdc300f内上传，平均速率只有后者的三分之一左右。从mdc610内上传起始速率较高，但随着上传进度，速率逐渐降低，最后稳定在一个较低的速率上上传。请问下这是什么原因呢？

硬件采用速腾激光雷达M1，IP地址为192.168.1.201，目标地址为239.255.0.1（组播地址），MSOP为2368，自定义网络配置usr_network_port.json文件如下：​​​于路径/opt/cfg/conf/nrm/创建配置调试网口文件lab_debug_net.yaml​进入“/opt/platform/mdc_platform/conf/net”目录，打开配置文件“usr_iptables _nat.rules”，在该文件中的“COMMIT”语句前增加调试端口对应的SoC子网卡名和其对应IP地址：​默认B2端口为100M；配置B2网口为1000Mcd /opt/platform/mdc_platform/scriptpython3 ./net_config_tool.py -M master_slave_set -m master -p 6python3 ./net_config_tool.py -M bandwidth_set -b 1000M -p 6启动脚本： /opt/platform/mdc_platform/script/lidar_a_m1_start.sh确认激光雷达抽象服务是否启动： ps -ef | grep -i lidar_a​抽象服务成功启动查询激光雷达抽象服务发布，rtfevent list | grep -i Lidar​rtfevent hz /HuaweiMDC/PlatformServiceInterface/LidarServiceInterface/LidarServiceInterface/mdcEvent[/HuaweiMDC/PlatformApplication/LidarCmCenterApplication/Service/DP/Provider/LidarCmToAppProvidedDdsServiceInstanceFront]，查询event频率信息​tcpdump -i eth0.15-v -nn查询端口eth0.15是否收到激光雷达的原始数据​执行命令/opt/platform/mdc_platform/script/lidar_mviz_start.sh，运行lidar_mviz程序​启动mviz：./run.py启动后点击页面左下角Add选项​没有激光雷达的Topic出现，请问该问题出现的可能的原因是什么，怎样排查问题？希望各位大佬不吝指教！

步骤一：使用little robo工具配置速腾激光雷达M1，IP地址为192.168.1.201，目标地址为239.255.0.1（组播地址），MSOP为2368。激光雷达连接MDC_610的B2端口步骤二：位置：MDC610>自定义网络配置 配置/opt/usr/app/1/gea/conf/net/路径下usr_network_port.json文件中的B2端口步骤三：于路径/opt/cfg/conf/nrm/创建文件：lab_debug_net.yaml，用于配置调试网口：进入“/opt/platform/mdc_platform/conf/net”目录，打开配置文件“usr_iptables _nat.rules”，在该文件中的“COMMIT”语句前增加调试端口对应的SoC子网卡名和其对应IP地址：步骤四：默认B2端口为100M；配置B2网口为1000Mcd /opt/platform/mdc_platform/scriptpython3 ./net_config_tool.py -M master_slave_set -m master -p 6python3 ./net_config_tool.py -M bandwidth_set -b 1000M -p 6启动脚本： /opt/platform/mdc_platform/script/lidar_a_m1_start.sh确认激光雷达抽象服务是否启动： ps -ef | grep -i lidar_a产品文档中成功启动显示信息为：抽象服务启动失败查询激光雷达抽象服务发布，rtfevent list | grep -i Lidarrtfevent hz /HuaweiMDC/PlatformServiceInterface/LidarServiceInterface/LidarServiceInterface/mdcEvent[/HuaweiMDC/PlatformApplication/LidarCmCenterApplication/Service/DP/Provider/LidarCmToAppProvidedDdsServiceInstanceFront]，查询event频率信息显示：uuid=unknown激光雷达：ping 192.168.1.201之前有按照华为激光雷达配置方式进行配置，后面改回原配置，不知是否有影响，希望各位大佬提供帮助！！

MDC 510经典问题案例汇总如下，包含传感器、升级、SoC等类别问题解答。

环境：mdc610（风冷）系统版本：1.1.027-0000000T1问题现象：                 mdc610接入了entron_ar0231模组，摄像头配置如下：摄像头出流正常，但是有时候看encode和decode摄像头数据会过曝，有时候又是正常的，尝试更换了同型号的摄像头，还是会这样，同样的场景，摄像头数据有时候是正常的，有时候又是过曝的，想问下可以通过调整什么参数来调整摄像头数据的曝光度嘛？

API调用&模型推理定位指南请参考cid:link_0一、模型转换1、常见错误算子Gather的indices不能使用-1，须使用具体的dim。2、GridSample、GridSample3D算子shape推导错误，注意grid的维度应该是[N,2,H,W]或者[N,3,d,H,W]，GridSample3D算子的input是6维，MDC特有的ND格式（需要将原来的C拆分成C=C1*C0 C0=16，且C0在最后一维）。二、AICPU算子可以通过查看om中的ATTRIBUTES信息发现该算子是否为AICPU，其中的信息带有AICPU关键字，如下图所示。由于MDC平台没有AICPU，所以推理会报错。（AICPU的推理性能较差）在老版本中，AICPU算子会成功转换出om，但是推理会失败。新版本中，会在ATC转换阶段报错，告诉你某些算子不支持。修复方法：1、推荐首先在torch对应的代码中使用.type(torch.int32)或int()将对应tensor转化为int32类型；（算子需要通过上下文计算片段，定位找到代码中的对应位置）2、索引类操作会出现两个问题：①索引值必须是int64，则像如下代码在[]时使用int64类型；②在索引时可能会插入一些算子帮你实现部分操作（Expand、Concat），那么可以通过Pytorch代码实现int32的相关逻辑，再Cast成int64传给Scatter、Gather；3、直接修改onnx模型，需要注意合理性。a = a.type(torch.int32)a = a.int()# indices在前面使用int32，在输入到[]时使用int64# 由于:的存在，onnx会先将indices做expand操作，再帮你生成前面轴的数据，然后concat到indices上a[:, indices] = ba[:, indices.long()] = b三、模型推理aicore算子执行失败或者超时在/opt/log/aos_linux/hisi_log/debug/device-0/路径下查看device-0的日志，如下图报错表示算子执行超时。1、若是Gather、Scatter等算子执行失败，那么大概率是index越界了，请使用真实数据集的模型验证，或者转模型时添加--op_precision_mode=support_out_of_bound_index参数。2、如果是其他算子报错，首先检查运行的板端分组核数和om核数是否一致，否则可能会由于核数不一致导致等待超时，在RTS报错运行失败，在device-0日志中报错某个Aicore timeout。aicpu算子执行失败MDC不支持aicpu算子，请把对应算子转换成aicore算子（输入数据类型为int8、int64转换成int32）tsdopen失败 一般是代码调用流程有问题，确认device、tsdevice、context、group、stream是否一致。精度问题定位如果遇到atc加参数force_fp32不怎么掉点。需要打开模型层层对比，找到影响最大的层，指定其运行在fp32精度下。获得onnx每层推理结果可以参考《产品文档》中 AI开发-使用AI精度对比工具-GPU vs NPU（ONNX推理）-准备ONNX模型npy数据文件 章节，1、为onnx模型的每一层算子加上输出，然后使用onnxruntime推理后保存中间结果。2、在用这个加上输出的onnx模型转换不带force_fp32参数的om模型，推理后得到MDC上的中间结果。3、对两者结果进行绝对误差、相对误差、余弦相似度等指标的对比，观察差距。为了快速定位，建议使用二分法添加单个输出，而不是为所有算子添加输出，快速找出影响较大的算子。说明：由于om输出和onnx输出的数据格式不一定一致，所以 GPU vs NPU（ONNX推理） 章节下的数据对比分析工具存在一定的使用学习成本，建议使用二分法添加单个算子输出作对比。三、性能优化Scatter（ND）性能较差一般有如下两种情况。1、使用ScatterElements逐个取数据，类型需要更改成ScatterND。首先前提需要确认indices是Expand复制出来的。如下图，把ND的64转到最后一轴（去掉/插入Transpose）。 再把indices从[64, 3945]变成[3945, 1]（把Expand复制出64维度变成Unsqueeze）。​​转出来的om如下图所示，耗时约为8核35us。​2、一般是因为ScatterND输入shape不对，导致ND退化成Elements，逐个数据去Scatter，所以性能不好。前提是需要确认indices是expand出来的，可以变回原来的样子而不影响逻辑。1）在PyTorch代码中，做以下修改就能有改图效果。output[indices, :] = update修改为output[indices] = updateOutput [393216, 64] fp32indices [50000] int64update [50000, 64] fp322）正确例子，这时1x30000x2的2是针对1x262144这两个轴。3）错误例子，这里也是类似，需要把64转到末轴去，然后把Expand的Indices从64x50000x2变成50000x1（这里的2是针对64x393216，如果把64变成1那就不需要x2，变成x1）。那么就会变成update：50000x64，indices：50000x1，data：393216x64，output：393216x64​​  

请问检测结果中为啥class一直是0，或者没有检测到目标，这是啥原因？

尊敬的开发者，您好！若需要购买MDC，请联系曹先生，微信号：yf633788，添加时烦请备注公司/学校名称和来意~~

想买一套华为智驾的MDC810或MDC610控制器在学校做研究，请问从哪能采购到控制器