4.7.1.1. 简介

HAT (Horizon Algorithm Toolkit) 是基于 Pytorch 的接口开发的AI算法工具，旨在为地平线 BPU 提供高效且用户友好的 AI 算法工具包。

HAT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，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。

特性

• 基于 Pytorch

• 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

HAT 目前已包含以下深度学习模型。

分类模型

• [x] VargConvNet

• [x] Efficientnasnetm

• [x] Efficientnasnets

检测模型

• [X] fcos efficientnetb0 (支持QAT)

• [X] fcos efficientnetb2 (支持QAT)

• [X] fcos efficientnetb3 (支持QAT)

分割模型

• [x] UNet

• [x] deeplabv3plus efficientnetm0

• [X] deeplabv3plus efficientnetm1

• [X] deeplabv3plus efficientnetm2 (支持QAT, 不需要calibration)

• [x] FastScnn