香橙派 OrangePi AIpro 目标检测：Two‑Stage Detector 开发模式及内容

本文基于OrangePiAIpro部署FasterR-CNN两阶段目标检测模型，提出拆分式推理方案：将RPN与ROI-Head分离为两个OM模型，规避动态shape与复杂算子转换问题。通过MMDeploy导出ONNX，ATC工具指定Ascend310B4芯片完成转换，关键后处理（Proposal解码、NMS）在CPU侧实现。实测表明，该方案稳定可行，适用于工业缺陷检测等高精度场景，强调避免NMS嵌

Transformers 大模型训练迁移：定义 Transformer 层结构的模块规范

MindSpore-Transformers提出面向昇腾NPU的Transformer模块规范，统一Attention、MLP、DecoderLayer等核心组件的接口、命名与权重映射，解决迁移中权重对齐难、分布式并行适配失败、算子替换困难等问题。遵循该规范可实现HuggingFace模型低成本、高质量迁移至MindSpore生态，原生支持MindSpeed训练、LoRA微调、MindIE推理及全

NineData 完成飞腾处理器兼容性认证，夯实信创数据管理底座