Horizon-Torch-Samples是基于Pytorch和Pytorch plugin的接口开发的算法工具，旨在为地平线BPU提供高效且用户友好的算法工具包。

Horizon-Torch-Samples所依赖的PyTorch是一个针对深度学习，并且使用GPU和CPU来优化的tensor library (张量库)，是目前最受欢迎的深度学习框架之一。 而Pytorch plugin是基于Pytorch开发的一套量化算法工具，专注于与计算平台相贴近的量化功能实现，其量化算法与地平线计算平台深度耦合，利用该工具训练得到的量化模型均可以正常编译和运行在地平线BPU（BERNOULLI/BAYES/NASH）上。

Horizon-Torch-Samples作为地平线开发的算法包基础框架，面向所有的算法用户开发和研究的用户，其量化训练与地平线计算平台紧密相关，包含了 浮点训练 --> QAT 训练 --> 定点转化预测 --> 模型检查编译(针对地平线 BPU) --> 上板精度仿真验证 的整套流程。 同时它还可以提供包含分类，检测，分割等常见的图像任务的SOTA(state-of-the-art)深度学习模型。

#目标

• 提供高效模型结构参考。
• 加速算法设计，提供更接近于生产部署的算法。
• 持续迭代更新最新的算法。

#特性

• 基于Pytorch和horizon_plugin_pytorch。
• 包含从 浮点训练 到 上板精度仿真验证 的整套流程。
• 包含分类、检测、分割等常见图像任务的SOTA模型，且所有示例都与地平线BPU兼容。

#示例模型

Horizon-Torch-Samples目前已包含以下深度学习模型。

模型类别	模型名称
分类模型	resnet50_imagenet efficientnet_imagenet mixvargenet_imagenet henet_tinye_imagenet henet_tinym_imagenet
检测模型	fcos_efficientnetb3_mscoco deform_detr_resnet50_mscoco
分割模型	unet_mobilenetv1_cityscapes
3D检测模型	fcos3d_efficientnetb0_nuscenes
Bev多任务模型	bev_lss_efficientnetb0_multitask_nuscenes detr3d_efficientnetb3_nuscenes petr_efficientnetb3_nuscenes bevformer_tiny_resnet50_detection_nuscenes bev_sparse_henet_tinym_nuscenes bev_sparse_det_maptr_flashocc_henet_tinym_nuscenes
在线建图模型	maptroe_henet_tinym_bevformer_nuscenes maptroe_sparse_henet_tinym_nuscenes
Occupancy预测模型	flashocc_henet_lss_occ3d_nuscenes
多目标跟踪模型	motr_efficientnetb3_mot17
轨迹预测模型	qcnet_oe_argoverse2
Lidar检测模型	pointpillars_kitti_car centerpoint_pointpillar_nuscenes
Lidar融合bev多任务模型	bevfusion_pointpillar_henet_multisensor_multitask_nuscenes bev_sparse_lidar_fusion_henet_tinym_nuscenes