【功能模块】【sophon-ml-kernel_2.11-1.1.0.aarch_64.jar包】不能下载【操作步骤&问题现象】机器学习算法软件包中介绍的sophon-ml-kernel_2.11-1.1.0.aarch_64.jar包，没有下载权限，不能下载https://support.huaweicloud.com/fg-kunpengbds/kunpengbdsspark_06_0005.html【截图信息】【日志信息】（可选，上传日志内容或者附件）

【功能模块】Atlas200DK调用算子出现kernel error【操作步骤&问题现象】1、2、【截图信息】【日志信息】（可选，上传日志内容或者附件）

【功能模块】运行代码为：https://www.mindspore.cn/doc/api_python/zh-CN/r1.0/mindspore/mindspore.ops.html#mindspore.ops.CTCLoss【操作步骤&问题现象】import mindspore import numpy as np from mindspore import Tensor from mindspore.ops import operations as P from mindspore.ops import composite as C from mindspore.ops import functional as F inputs = Tensor(np.random.random((2, 2, 3)), mindspore.float32) labels_indices = Tensor(np.array([[0, 0], [1, 0]]), mindspore.int64) labels_values = Tensor(np.array([2, 2]), mindspore.int32) sequence_length = Tensor(np.array([2, 2]), mindspore.int32) ctc_loss = P.CTCLoss() output = ctc_loss(inputs, labels_indices, labels_values, sequence_length)问题：[ERROR] RUNTIME(105206)kernel task happen error, receive aicpu failed msg, aicpu error code=0x2.[ERROR] RUNTIME(105206)aicpu kernel execute failed, device_id=1, stream_id=515, task_id=6, fault so_name=libaicpu_kernels.so, fault kernel_name=CTCLoss【截图信息】【日志信息】（可选，上传日志内容或者附件）cat /usr/local/Ascend/driver/version.info Version=20.1.0 ascendhal_version=2.1.0 aicpu_version=1.0 tdt_version=1.0 log_version=1.0 prof_version=2.0 dvppkernels_version=1.0 tsfw_version=1.0 mmpa_version=1.0 required_firmware_firmware_version=1.0mindspore版本：1.0.1python版本：3.7.6

【功能模块】【操作步骤&问题现象】1、出现下面警告2、配置如下：    parser = argparse.ArgumentParser(description='MindSpore LeNet Example')    parser.add_argument('--device_target', type=str, default="Ascend", choices=['Ascend', 'GPU', 'CPU'],                        help='device where the code will be implemented (default: CPU)')    args = parser.parse_args()    context.set_context(mode=context.GRAPH_MODE, device_target=args.device_target)    # context.set_context(mode=context.PYNATIVE_MODE, device_target=args.device_target)    dataset_sink_mode = not args.device_target == "CPU"警告如下：[WARNING] DEVICE(26509,python):2020-11-27-17:27:59.694.791 [mindspore/ccsrc/runtime/device/ascend/kernel_select_ascend.cc:552] SelectKernelInfo] The node [kernel_graph_1:equivdout{[0]: ValueNode<Primitive> Cast, [1]: [CNode]62}] cannot find valid TBE kernel info, try to get aicpu kernel info【截图信息】【日志信息】（可选，上传日志内容或者附件）

我使用ascend训练作业在model中设置    'drop_connect'参数则有如下报错信息：RuntimeError: mindspore/ccsrc/backend/kernel_compiler/kernel_query.cc:90KernelQueryAll] NotExistsError Failed to obtain operator info,Please check whether the operator info is registered,Op full name:Default/network-TrainOneStepCell/network-WithLossCell/_backbone-GenEfficientNet/blocks-BlockBuilder/layer-SequentialCell/0-SequentialCell/0-DepthwiseSeparableConv/Dropout-op132Node Type:Dropout, Node DebugString: kernel_graph_1:equivdout{[0]: ValueNode<Primitive>Dropout, [1]: ValueNode<Tensor> Tensor(shape=[128, 1, 1, 1], dtype=Float32, value= [...])}如果不设置 drop_connect参数则无报错信息请问是什么原因，谢谢！

运行环境：GPUMindspore：1.0.0CUDA：10.1【问题】运行resnet50（和googlenet）时报错kernel_build_client.h：Response is empty，但是相同代码改成运行alexnet，lenet等没有出现这种问题。感觉似乎没有配置上的错误，却经常出现kernel build为空的情况。

你们，我们自己需要修改kernel的配置，所以新编出来的kernel image的大小会超过0xB00000，放到200模块上加载时提示大小超限，请问如何解除这个限制？谢谢！

按照官方手册安装了Ubuntu18.04.1，并升级kernel到4.15.0-99更新后发现这个版本的kernel会导致xwindows操作特别卡顿如果升级kernel到4.15.0-122就没有问题了，但这个版本又无法安装Atlas300的driver。请问有什么方法能解决这个冲突问题？

【操作步骤&问题现象】我们进行kernel二次开发编译得时候，需要源码包，如下图：但文档中提供得下载页面中没有这个包，请问哪里可以下载到，具体版本为1.73.5.1；Ascend310-source-20.0.RC1- minirc.tar.gz【截图信息】

【操作步骤&问题现象】200DK进行kernel二次开发编译得时候，需要源码包，如下图：但文档中提供得下载页面中没有这个包，请问哪里可以下载到，版本为1.73.5.1；【截图信息】

python的有些库不好安装，我会在terminal中进行安装，使用terminal切换到对应环境安装库，打开对应环境的.ipynb中能导入相应库吗？

【功能模块】图算融合，GPU (NVIDIA-GV100) 验证https://www.mindspore.cn/tutorial/zh-CN/master/advanced_use/graph_kernel_fusion.htmlcontext.set_context(mode=context.GRAPH_MODE, device_target="GPU") context.set_context(save_graphs=True) context.set_context(enable_graph_kernel=True)【操作步骤&问题现象】1、使用mindspore repo中的gpu dockerfile建立运行环境2、改造链接中的例子，使用GPU作为device_target3、在GPU/docker环境中测试，并且得到一组.dot/.ir等文件4、发现没有生成例子当中的文件（hwopt_d_fuse_basic_opt_end_graph_0.dot/hwopt_d_composite_opt_end_graph_0.dot），观察其他生成的dot/ir文件，测试用例中的add/mul并没有融合附图:8_validate.dot.png

在atlas 200 dk的文档 外围设备驱动接口部分里说明SDK发布的Kernel及文件系统，请问这个1.3.0.0对应的Linux的kernel在哪里下载？我在发布的mini_developerkit里面看到有编译好的，但是并没有内核源码。

课程文档链接：https://nbviewer.jupyter.org/github/huaweicloud/ModelArts-Lab/blob/master/notebook/DL_video_object_segmentation/object_segmentation.ipynb为什么装完模块后要restart？按理说不需要这样做啊另一个问题：课程文档后面还有一个需要到terminal中执行命令的步骤，如下图所示：ipynb中不是有魔法命令吗？应该可以直接在ipynb中执行linux命令啊，为什么要专门去terminal中执行？

1.Notebook发生kernel died或者OOM后Notebook发生kernel died或者OOM后，按照教程，删除core.*文件，环境restart，还是会报错，如下：ResourceExhaustedError: OOM when allocating tensor with shape[7,7,256,1024] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_bfc  [[Node: mrcnn_class_conv1/kernel/Assign = Assign[T=DT_FLOAT, use_locking=true, validate_shape=true, _device="/job:localhost/replica:0/task:0/device:GPU:0"](mrcnn_class_conv1/kernel, mrcnn_class_conv1/random_uniform)]] Hint: If you want to see a list of allocated tensors when OOM happens, add report_tensor_allocations_upon_oom to RunOptions for current allocation info.2.当代码执行超过内存时，notebook环境会默认重启，重启后重新执行代码会报错，一般只能重建notebook环境，这种情况应该怎么办？