安装口罩识别技能技能安装成功，但是输出运行时出现问题日志文件如下图

无线密码确认无误

1问题描述：之前推送的是bgr图像，效果也可以，由于CPU报出使用率高的问题，经过咨询建议post YUV格式的图像，经过调整后，CPU的问题解决了，但出图像显示灰色，并在下面有一道灰色带，想请问这个是什么原因造成的？具体如下：2：代码，原始bgr推送代码：img_bgr   = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2BGR) img_str   = cv2.imencode('.jpg', img_bgr)[1].tostring() img_bin   = base64.b64encode(img_str)     post_data = {'image': img_bin.decode('utf-8')}修改为YUV格式的推送：img_str   = cv2.imencode('.jpg', img_yuv)[1].tostring() img_bin   = base64.b64encode(img_str)     post_data = {'image': img_bin.decode('utf-8')}

【功能模块】rtsp 推流功能【操作步骤&问题现象】1、有多个网络摄像头，连同一个路由器，或者在同一个WiFi上2、hilens最多支持记录网络拉流？【截图信息】【日志信息】（可选，上传日志内容或者附件）

AI Gallery是在ModelArts的基础上构建的开发者生态社区，提供模型、算法、HiLens技能、数据集等内容的共享，为高校科研机构、AI应用开发商、解决方案集成商、企业级个人开发者等群体，提供安全、开放的共享及交易环节，加速AI产品的开发与落地，保障AI开发生态链上各参与方高效地实现各自的商业价值。AI Gallery使用限制目前从容器镜像创建的算法暂不支持发布到AI Gallery。目前自动学习产生的模型暂不支持发布到AI Gallery。订阅或购买产品，本质上是购买模型、算法或HiLens技能的使用配额，在配额定义的约束下，有限地使用模型、算法或HiLens技能产品。买家支付商用产品的使用费用，这部分收益将归属卖家。使用模型/算法，需要消耗硬件资源进行部署，硬件资源费用将根据实际使用情况，由华为云ModelArts向使用方收取。已发布的产品目前暂不支持删除，如果不需要在产品列表中展示该产品，可以将产品下架。产品下架的本质是将已发布产品的状态修改为草稿（即仅发布者可见）。已经订阅该产品的买家，即便产品下架后，基于配额资源的约束，仍然可有效使用该产品，保障买家权益，不会因为卖家下架该产品，而产生使用问题。支持自己订阅自己发布的产品。ModelHub介绍AI Gallery的ModelHub功能包括模型、算法和Hilens技能三种类别。如果您是买家，可以在AI Gallery的ModelHub中，查找您想要的模型、算法或Hilens技能，订阅满足业务需要的产品，最后推送至ModelArts或HiLens中使用。如果您是卖家，可以将自己开发的模型、算法或Hilens技能分享发布至AI Gallery中，共享给其他用户使用。数据集介绍AI Gallery的数据集功能支持数据集的共享和下载。如果您是买家，可以在AI Gallery数据集中，查找并下载满足业务需要的数据集。如果您是卖家，可以将自己本地的数据集，发布至AI Gallery中，共享给其他用户使用。

kit的IP为：192.168.1.111外接摄像头的IP为：192.168.1.11本地接受技能发送信息的接口为：http://192.168.1.3/test以下为根据技能说明的配置：IVA_ALG_CONFIG为{"common":{"climb_detection_sw":1,"fall_detection_sw":0,"wave_detection_sw":0,"bend_detection_sw":0,"render_result_sw":0,"render_roi_sw":0,"rail_segment_sw":0,"target_roi":"","image_compression_ratio":90},"inputs":{"data":[{"index":0,"rtsp":"rtsp://192.168.1.11/test.sdp"}],"type":"EDGECAMERA"},"output":{"webhook":{"url":"http://192.168.1.3/test"}},"ivaTaskId":"","taskUUID":""}IVA_SVC_CONFIG 为{"algorithm":{"multiTask":"no","algType":"edge"},"svcInstanceId":""}请问是否在关键点配置："inputs":{"data":[{"index":0,"rtsp":"rtsp://192.168.1.11/test.sdp"}],"type":"EDGECAMERA"}出了问题。补充：已在【摄像头管理】中添加了外接摄像头的信息（用户名/密码/IP），从kit到摄像头的网络ping得通。           web连接摄像头登录url为http://192.168.1.11/doc/page/login.asp?_1614143248651            web连接摄像头登录成功后预览视频的url为http://192.168.1.11/doc/page/preview.asp              查看日志是空，所以不确定问题在哪里！           还有一种情况：执行运行时配置时，会出现提示no container          

【华为云HiLens】扫描下方图片二维码，认真完成开发者调研问卷，可领取新年红包截止时间：2月5日0点（提示：两份问卷，2份红包哦，双份快乐！！）《您更喜欢哪种AI应用开发模式》《您理想中的AI应用开发环境是怎样的？》

问题描述：一、想请教下，HiLens Framework内部在做模型推理的时候，看到有用到infer.graph，但是处理这个文件的相关接口(engine.h)好像没有开放出来，想问下可以开放一下吗？因为目前，没有在Github上找到内部实现。此外还有如下问题：1.如何配置线程数量才能发挥Ascend310的最佳性能2.priorty的策略是什么样的，直接抢占，还是Round-Robin，或者其他？3.CreateGraph内部如何组成一张Graph，如何定制化编写infer.graph，看到实现代码有protobuffer，但想请教下如何组成一张graph的详细规则4.Graph是否可以有环，是否是线程安全的5.infer.graph每个字段的含义(例如HOST和DEVICE)6.如果代码不能开放，可否先开放下文档？二、关于HiLensFramework目前只找到一个官网上的ToyDemo(车牌检测和识别)的例子，请问是否还有其他更多样的样例代码可否帮忙提供下（比如异步推测模型的）

【问题描述】官网文档和样例代码已看完，有如下几个问题还不太清楚，哪位知道可否帮忙回答一下。1、HiLens Framework感觉接口不多，想请教下HiLens Framework内部实现有开源的计划吗？ 可否帮忙发一份HiLensFramework的实现，想了解下2、目前只看到libhilens.so，感觉HiLensFramework更像是一个sdk，想了解下HiLens Framework框架整体性能，稳定性如何，可有人测试过嘛，比如一帧图像最多可有处理多少人，人形检测，人体骨骼点等复杂场景下帧率怎样？3、想问下HiLens Framework是否有异步模型推理的接口，是否有配置文件相关的接口？4、HiLensFramework内部支持多线程吗？如何进行性能优化，性能怎么样？5、文档中描述的D Libraries(HIAIEngine)主要是用来做什么的，与HiLensFramework的关系是什么，D芯片指的是什么芯片，是表示HiLensFramework只能在D芯片上使用嘛？

【功能模块】Hilens Studio 运行测试【操作步骤&问题现象】1、经过ModelArts训练模型并成功转化“om”模型，输入352*6402、代码文件中输入大小设置也没有问提，但出现输入大小不匹配问提。【截图信息】【日志信息】（可选，上传日志内容或者附件）

【功能模块】【操作步骤&问题现象】1、两个企业账号IAM，一个创建了projectA，相与另一个账号共享，但是另一个账号始终无法打开这个project2、【截图信息】【日志信息】（可选，上传日志内容或者附件）

【功能模块】Atlas 200 HiLens kit【操作步骤&问题现象】1、盒子被华为云绑定，但找不到绑定的账号是哪个，怎么从盒子端查看已绑定华为云账号信息？

我使用的是python。 在我的测试中，似乎studio和kit都无法进行POST，都会连接超时。我想问一下，是因为有防火墙还是因为我的操作不太正确？

我按照提示安装了jupyter之后，点击“run cell”还是提示没有安装jupyter

先来看看最终视频效果吧（PS：请忽略背景音乐）！                                                                 主体流程介绍：（可选，忽略亦可，取决于摄像头质量，对于相机畸变较大的需要先计算相机的畸变矩阵和失真系数，对图片进行校正）图片校正；截取感兴趣区域，仅对包含车道线信息的图像区域进行处理；对感兴趣区域使用透视变换；针对不同颜色的车道线，不同光照条件下的车道线，不同清晰度的车道线，根据不同的颜色空间使用不同的梯度阈值，颜色阈值进行不同的处理。并将每一种处理方式进行融合，得到车道线的二进制图；提取二进制图中属于车道线的像素；对二进制图片的像素进行直方图统计，统计左右两侧的峰值点作为左右车道线的起始点坐标进行曲线拟合；使用二次多项式分别拟合左右车道线的像素点（对于噪声较大的像素点，可以进行滤波处理，或者使用随机采样一致性算法进行曲线拟合）；计算车道曲率及车辆相对车道中央的偏离位置；效果显示（可行域显示，曲率和位置显示）。检测驾驶过程中道路中其他车辆状态，显示车辆类别、置信度，并通过YOLOv3进行检测车辆，然后返回的车辆检测框的坐标与当前坐标进行透视变换获取大约的距离作为车辆之间的距离dis。说明：本Demo的主体框架基于HiLens Kit已经基本开发完成，模型的选择为基于DarkNet53的YOLOv3模型，权重为基于COCO2014训练的数据集，而车道线的检测是基于OpenCV的传统方法实现的，所以计算量较大，导致整体速度较慢。关于部署和训练——基于ModelArts 和HiLens Kit的端云协同：考虑到部署，已经测试过部署到HiLens Kit了，对了，也支持在HiLens Stuido运行模拟测试，更推荐在HiLens Studio哦，比较方便，而且不需要硬件支持，只需要在HiLens Kit或HiLens Studio上安装pillow库就行了，关于如何在HiLens Kit和HiLens Studio上安装第三方库，非常简单的哦，可参考：在HiLens Kit上：https://bbs.huaweicloud.com/forum/thread-94316-1-1.html在HiLens Studio上：https://bbs.huaweicloud.com/forum/thread-94317-1-1.html如果想训练或优化，由没有硬件（比如GPU），那么很推荐使用ModelArts了，一站式开发，无缝衔接到HiLens Kit哦，关于ModelArts的介绍可参考：https://www.huaweicloud.com/product/modelarts.html同时也许还能提升下运行速度，这里介绍三种算法，亲测都可以部署到HiLens Kit推理使用哦，就在最新的AI Gallery（原AI市场）中哦，这里除了有算法，还有模型、数据集等等，很丰富，大家可以自己探索一下，同时还可以分享自己的算法给其他开发者，开发者订阅即可创建训练使用，很方便，相比于GitHub，不仅提供了源代码，还提供了用于训练的硬件资源，强大的Tesla V100 32GB版本哦。                                              （1）YOLOv3_Darknet53，没错，就是著名的YOLOv3，经典的目标检测网络，后续又推出了YOLOv4、YOLOv5（暂称此名吧），AI Gallery也推出了YOLOv5的，不过由于PyTorch框架暂不支持模         型转换，所以暂时放弃了。       关于YOLOv3_Darknet53的使用方法，算法界面介绍很详细，这里就不赘述了，可以参考使用，注意模型转换部分请参考这篇博文中模型转换部分哦：https://bbs.huaweicloud.com/blogs/199870       算法备用链接为：https://marketplace.huaweicloud.com/markets/aihub/modelhub/detail/?id=2d52a07e-ccbd-420f-8999-2ea7b4bdd691     （2）YOLOv3_Resnet18(GPU)，如果我们只想做车辆的检测或者为了简化模型，提高速度，可以选用主干网络为Resnet18的YOLOv3，网络更轻量，速度会快一些哦。       同样给上链接：https://marketplace.huaweicloud.com/markets/aihub/modelhub/detail/?id=948196c8-3e7a-4729-850b-069101d6e95c     （3）YOLOv3_Resnet18(Ascend 910)，和上面（2）版本差异不大，主要改为由GPU换为Ascend 910训练的，大家可自由选择哦。       链接为：https://marketplace.huaweicloud.com/markets/aihub/modelhub/detail/?id=7087008a-7eec-4977-8b66-3a7703e9fd22好了，算法部分解决了，数据怎么办呢？ModelArts的AI Gallery同样想到了，提供了数据集哦，免费订阅，下载到自己的OBS导入就能用了(注意OBS需要一定花费)，这里我也提供了开源数据集的5164张人车图片，供大家使用哦，上链接：https://marketplace.huaweicloud.com/markets/aihub/datasets/detail/?content_id=a337272b-6918-4282-83d6-2b15e2a4c716那么数据集和算法都有了，该训练了吧，在ModelArts上可以很好完成，凭借强大的Tesla V100 32GB或Ascend 910可以很快完成哦。上述整体操作流程部分可参考下述博文完成：https://bbs.huaweicloud.com/blogs/199870运行效果：完成执行如视频中所示处理的一帧需要约300ms，也就是FPS约为3，不较慢，需要优化。我觉得还有很大优化空间，比如：（1）预处理和后处理很费时间，真正推理很快，可以从这方面加速，不知道开启多线程是否有提升，应该有吧；（2）应该可以更好发挥专用硬件，记得好像有DVPP和AIPP吧，可以用来做色域转换的操作；  (3)  YOLOv3的后处理解析比较麻烦，这里用的是COCO的80类，但可以只用person、car两类，或者再加一点，同时nms也比较费时间，如果能用算子实现，融合到om模型中，会提速很多；（4）这里使用的是Python，如果用C++应该会提升一些，执行效率会高很多吧。（5）优化提速要根据硬件性能，对费时的部分做分析，以最大压榨硬件性能，需要做针对性、定制化地优化，我个人理解很浅，希望有熟悉的同学指教。备注：本Demo所用模型、代码均来自开源代码，好像是吴恩达老师的一个课程涉及的项目，但找不到出处了，如果知道的同学，还请在在下方回复指教，谢谢了。本Demo的模型精度以及运行速度不做保证，仅供学习交流使用。其他未尽事宜，还请多多指教。代码会开源的，敬请期待哦，谢谢。