Tengine FAQ中文版

1. 编译example时，出现相似 fatal error: 'tengine_c_api.h' file not found 的错误？

这是编译Tengine以后没有将相关文件复制到 core/include 的缘故，只须要在Tengine根目录下执行make install便可；若是你是在编译某一个example，还须要在cmake的时候加入参数-DTENGINE_DIR=<tengine_root>来指定Tengine目录。html

2. 编译Tengine时，出现相似 internal compiler error: Segmentation fault 的错误？

一般是由于编译时开启太多的线程，尝试用make clean清空编译结果，用较少的线程数（即make命令的 j 参数）从新编译。java

3. 编译Android版本的Tengine时，出现 This file was generated by a newer(older) version of protoc which is incompatible with your Protocol Buffer headers. Please update your headers. 的错误？

protobuf版本不匹配。若是你使用了百度云盘上预编译好的 protobuf_lib ，请将你本地的protobuf版本升级（降级）到3.0.0版本，安装方式参见如何安装 protobuf 3.0.0？；或者使用ndk从新编译 protobuf_lib。python

4. 若是个人模型有某一部分操做只出如今Tengine的CPU或GPU支持的操做列表里怎么办？

尝试使用异构计算。git

5. 为何树莓派3B开启 CONFIG_ARCH_ARM64=y 编译会报错？

虽然树莓派3B是64位的A53处理器，但因为官方的操做系统运行在aarch32模式下，因此没法正常编译和运行Tengine的64位汇编代码。github

6. RK3399如何查看GPU的运行频率和占用率？

在终端执行cat /sys/devices/platform/ff9a0000.gpu/devfreq/ff9a0000.gpu/loadapache

7. 开启TF_SERIALIZER以后编译报错 fatal error: graph.pb.h: No such file or directory

protobuf版本不够高，TF要求3.0.0以上的版本，安装方式参见如何安装 protobuf 3.0.0？api

8. tengine如何指定cpu核心？为何设置 TENGINE_CPU_LIST=0 或者2 性能没差异?

tengine经过环境变量TENGINE_CPU_LIST 来设置cpu核心。
若是用的是RK3399, cpu的编号是: 0，1，2，3 为A53， 4，5 为A72, 这个信息能够经过命令cat /proc/cpuinfo查看。
所以，设置TENGINE_CPU_LIST, 不管设置0，2 都是单A53, 性能无差异。网络

设置方法：函数

在命令窗口直接设置
export TENGINE_CPU_LIST=4,5 //两个A72
在代码中调用setenv设置
int setenv(const char *envname, const char *envval, int overwrite);
setenv最后一个参数overwrite 设置为0，表示若是环境变量已有设置，则不更新; 最后一个参数非0, 参数更新
如：setenv("TENGINE_CPU_LIST", "4,5", 1);

在代码中调用set_cpu_list函数设置
void set_cpu_list(const char* cpu_list_str);
函数接收cpu序号的列表，用逗号做为分隔符，注意：set_cpu_list函数必须在init_tengine以前调用才能生效。
如：set_cpu_list("4,5")；工具

9. 执行程序时出现相似Failed to execute on: xxx Op: xxx报错？

检查一下makefile.config里是否是同时注释掉了CONFIG_ARCH_ARM64=y和CONFIG_ARCH_BLAS=y，二者起码须要打开一个。对于armv8，建议打开ARM64，若是须要使用只能依赖openblas的OP（如LSTM和DeConv）则须要将BLAS一并打开；对于armv七、x86则只能打开BLAS。

10. 为何相同的网络和相同的输入，CPU和GPU计算输出的特征向量不彻底相同？

对于浮点运算，CPU只支持FP32，而GPU每每同时支持FP16和FP32。若是为GPU设置了FP16运算精度（export ACL_FP16=1），那么因为计算精度的不一样，CPU和GPU的运算结果就有了一些差别。

11. 执行程序时报错 The input file specified is using deprecated params: xxx. Please upgrade the input file by using caffe tools(upgrade_net_proto_text/upgrade_net_proto_binary).？

Tengine对caffe只支持新的input格式，解决方法：

调用caffe的工具 upgrade_net_proto_text/upgrade_net_proto_binary 对prototxt进行升级；
或手动修改prototxt文件，将
```
input: "data"
input_shape {
    dim: 1
    dim: 3
    dim: 300
    dim: 300
}
```
的格式改成（注意：输入维度要对应修改，不能照抄）
```
layer {
    name: "input"
    type: "Input"
    top: "data"
    input_param {
        shape {
            dim: 1
            dim: 3
            dim: 300
            dim: 300
        }
    }
}
```
12. 自定义OP后报错 cannot find load function for operator: xxx

这是由于没有在serializer上注册该OP，使得模型解析过程当中找不到OP，以caffe为例可参考 issue#89

13. 如何使用PyTorch/Gluon模型？

PyTorch用户能够将导出onnx模型，或使用转换工具（如PytorchToCaffe转换成caffe模型）来使用Tengine。
MXNet-Gluon用户能够导出onnx或MXNet-Module模型，或使用转换工具（如GluonConverter转换成caffe模型）来使用Tengine。
有多是opencv版本问题，opencv3把一些名为CV_xxx的常量挪到了cv命名空间下而且去掉了前缀CV_，能够尝试将代码报错的CV_xxx常量改成cv::xxx后从新编译，如CV_FILLED改成cv::FILLED

14. 编译Tengine过程当中报错 te_caffe.pb.h: No such file or directory

te_caffe.pb.h文件是在编译过程当中产生的，也就是说在该错误以前应该还会有其余报错——并且这每每是protobuf带来的问题，如 protoc: error while loading shared libraries: libprotoc.so.xx: cannot open shared object file: No such file or directory，编译工具未找到protobuf或系统包含多个版本的protobuf致使编译工具产生混乱。

15. 编译example的时候报错 CV_xxx was not declared in this scope

有多是opencv版本问题，opencv3把一些名为CV_xxx的常量挪到了cv命名空间下而且去掉了前缀CV_，能够尝试将代码报错的CV_xxx常量改成cv::xxx后从新编译，如CV_FILLED改成cv::FILLED