qualcomm

Qualcomm SM6115 平台RTC accuracy problemIssues:我们项目中使用的rtc对时有误差，大概24小时内会有十几秒到二十秒左右的误差，请问如何优化使误差在两三秒以内。(The rtc used in our project has an error in timing. There will be an error of about ten seconds to twenty seconds in about 24 hours. How to optimize the error within two or three seconds. The

农夫山泉2号

【mllm】——x64模拟htp的后端无法编译debugmllm, qnn, x64 code:https://github.com/UbiquitousLearning/mllm

QAI AppBuilder 快速上手(7)：目标检测应用实例YOLOv8_det是YOLO 系列目标检测模型，专为高效、准确地检测图像中的物体而设计。该模型通过引入新的功能和改进点，如因式分解卷积（factorized convolutions）和批量归一化（batch normalization），在性能和灵活性上有显著提升。YOLOv8_det 还具有较高的计算效率，能够在各种硬件平台上运行，从 CPU 到 GPU 都能提供出色的性能。其设计使其在实时检测任务中表现优异，适用于智能驾驶、安防监控、医疗影像、工业检测等多个领域。总的来说，YOLOv8_det 是

带电的小王

WhisperKit: Android 端测试 Whisper -- Android手机(Qualcomm GPU)部署音频大模型原文：https://flowus.cn/xiaoj_share/share/8c721e89-680e-451c-8c93-52e435ebf1a2

Qualcomm Liunx 系统镜像编译本文将会介绍如何在编译Qualcomm Liunx代码, 具体可以在Qualcomm Linux | Qualcomm下查看相关信息。

探索QCS6490目标检测AI应用开发（一）：Yolov8n模型转换及量化目标检测（Object Detection）是计算机视觉领域的核心任务之一，它旨在识别图像中的物体并确定其位置，在本期的文章中，我们用一个端到端的目标检测AI应用为例子。介绍如何在QCS6490 Ubuntu系统上实现一个目标检测应用开发，我们选择Yolov8n模型作为目标检测的模型，以摄像头的实时预览的视频流为输入，最终将检测到结果会更新到视频画面帧并且显示出来。对于这样一个任务，涉及到几个关键的流程：

发狂的小花

性能优化-OpenCL 介绍「发表于知乎专栏《移动端算法优化》」本文首先对 GPU 进行了概述，然后着重地对移动端的 GPU 进行了分析，随后我们又详细地介绍了 OpenCL 的背景知识和 OpenCL 的四大编程模型。希望能帮助大家更好地进行移动端高性能代码的开发。

我是有底线的