tf1.14，使用keras2onnx 完成onnx模型的转换，onnx模型能够正常使用。用atc转为om后预估会报错：Default MaxPoolingOp only supports NHWC on device type CPU转换脚本：atc --model={models_dir}/{onnx_model_name} --framework=5 --output={output_dir}/{om_model_name} --input_shape="{input_name}:{input_shape}" --enable_small_channel=1 --soc_version=Ascend310 --log=info')input shape：（None，step，feature），分别是batch，sequence长度和特征维度报错op在tensorlfow中为GlobalMaxPool1D下面是acl的日志[EVENT] CCECPU(4066,python):2022-08-16-14:42:55.361.614 [tf_adpt_session_mgr.cc:398][tid:4076][TFAdapter] [sessionID:16599357285206909441] Create session success. [ERROR] CCECPU(4066,python):2022-08-16-14:42:55.505.915 [aicpu_tf_kernel.cc:138][tid:4075][TFAdapter] AICPUKernelAndDeviceOp Init failure, kernel_id=0, op_name=MaxPool, error=Invalid argument: Default MaxPoolingOp only supports NHWC on device type CPU [ERROR] CCECPU(4066,python):2022-08-16-14:42:55.506.012 [tf_adpt_session_mgr.cc:149][tid:4075][TFAdapter] [sessionID:16599357285206909441] Create kernel failure, kernel_id=0, op_name=. [ERROR] CCECPU(4066,python):2022-08-16-14:42:55.506.031 [tf_adpt_session_mgr.cc:94][tid:4075][TFAdapter] [sessionID:16599357285206909441] Create kernel failed, kernel_id=0. [ERROR] CCECPU(4066,python):2022-08-16-14:42:55.506.052 [tf_adpt_session_mgr.cc:64][tid:4075][TFAdapter] [sessionID:16599357285206909441] Failed to GetOrCreateKernel, kernel_id=0. [ERROR] CCECPU(4066,python):2022-08-16-14:42:55.506.075 [tf_adpt_session_mgr.cc:433][tid:4075][TFAdapter] [sessionID:16599357285206909441] Run kernel on session failed. [ERROR] CCECPU(4066,python):2022-08-16-14:42:55.506.090 [tf_adpt_api.cc:86][tid:4075][TFAdapter] [sessionID:16599357285206909441] Invoke TFOperateAPI failed. [ERROR] CCECPU(4066,python):2022-08-16-14:42:55.506.106 [ae_kernel_lib_fwk.cc:234][TransformKernelErrorCode][tid:4075][AICPU_PROCESSER] Call tf api return failed:5, input param to tf api:0xfffef9e4a004 [ERROR] CCECPU(4066,python):2022-08-16-14:42:55.506.155 [aicpusd_event_process.cpp:1227][ExecuteTsKernelTask][tid:4075] Aicpu engine process failed, result[5]. ,0][ERROR] RUNTIME(4066,python):2022-08-16-14:42:55.506.515 [engine.cc:1131]4096 ReportExceptProc:Task exception! device_id=0, stream_id=1, task_id=1, type=13, retCode=0x91, [the model stream execute failed]. ,0][ERROR] RUNTIME(4066,python):2022-08-16-14:42:55.509.834 [device_error_proc.cc:667]4096 ProcessAicpuErrorInfo:report error module_type=0, module_name=E39999 ,0][ERROR] RUNTIME(4066,python):2022-08-16-14:42:55.509.936 [device_error_proc.cc:667]4096 ProcessAicpuErrorInfo:An exception occurred during AICPU execution, stream_id:4, task_id:46, errcode:5, msg:aicpu execute failed. ,0][ERROR] RUNTIME(4066,python):2022-08-16-14:42:55.510.114 [task.cc:746]4096 PrintAicpuErrorInfo:report error module_type=0, module_name=E39999 ,0][ERROR] RUNTIME(4066,python):2022-08-16-14:42:55.510.142 [task.cc:746]4096 PrintAicpuErrorInfo:Aicpu kernel execute failed, device_id=0, stream_id=4, task_id=46. ,0][ERROR] RUNTIME(4066,python):2022-08-16-14:42:55.510.242 [task.cc:764]4096 PrintAicpuErrorInfo:Aicpu kernel execute failed, device_id=0, stream_id=4, task_id=46, flip_num=0, fault so_name=, fault kernel_name=, fault op_name=Attention/Reshape_12:0_pooling, extend_info=(info_type:4, info_len:30, msg_info:Attention/Reshape_12:0_pooling). ,0][ERROR] RUNTIME(4066,python):2022-08-16-14:42:55.510.270 [task.cc:3148]4096 ReportErrorInfo:model execute error, retCode=0x91, [the model stream execute failed]. ,0][ERROR] RUNTIME(4066,python):2022-08-16-14:42:55.510.289 [task.cc:3120]4096 PrintErrorInfo:model execute task failed, device_id=0, model stream_id=1, model task_id=1, flip_num=0, model_id=5, first_task_id=65535 ,0][ERROR] RUNTIME(4066,python):2022-08-16-14:42:55.510.450 [stream.cc:843]4066 GetError:[EXEC][DEFAULT]Stream Synchronize failed, stream_id=1 retCode=0x91, [the model stream execute failed]. ,0][ERROR] RUNTIME(4066,python):2022-08-16-14:42:55.510.487 [stream.cc:846]4066 GetError:[EXEC][DEFAULT]report error module_type=7, module_name=EE9999

【功能模块】tensorflow1.15Ascend910【操作步骤&问题现象】1、尝试用keras手动迁移的方式将模型迁移至NPU进行训练2、尝试后，发现模型能正常开始训练，然而训练速度很慢，最后发现没有使用NPU训练，而是在用CPU训练。【截图信息】相关部分的代码在附件中。用ModelArts查看后发现NPU memory和NPU util均为0，即没有使用NPU【日志信息】（可选，上传日志内容或者附件）

介绍本文将讨论如何快速地从图像中删除文本，作为图像分类器的预处理步骤。删除文本可能有多种或多种原因，例如，我们可以使用无文本图像进行数据增强。在本教程中，我们将使用OCR（光学字符识别）检测图像中的文本，并在修复过程中填充照片中丢失的部分以生成完整的图像——以删除我们检测到的文本。处理为了从图像中删除文本，我们将执行以下三个步骤：1.​ 识别图像中的文本，并使用KerasOCR获取每个文本的边界框坐标。1.​ 对于每个边界框，应用一个遮罩来告诉算法我们应该修复图像的哪个部分。1.​ 最后，应用一种修复算法对图像的遮罩区域进行修复，从而得到一个无文本图像。### 实现Keras ocr简介KerasOCR提供现成的ocr模型和端到端训练管道，以构建新的ocr模型（请参见：https://keras-ocr.readthedocs.io/en/latest/).在这种情况下，我们将使用预训练的模型，它对我们的任务非常有效。KerasOCR将自动下载探测器和识别器的预训练权重。当通过Keras orc传递图像时，它将返回一个（word，box）元组，其中框包含四个角的坐标（x，y）。下面是一个快速示例：import matplotlib.pyplot as pltimport keras_ocrpipeline = keras_ocr.pipeline.Pipeline()#read image from the an image path (a jpg/png file or an image url)img = keras_ocr.tools.read(image_path)# Prediction_groups is a list of (word, box) tuplesprediction_groups = pipeline.recognize([img])#print image with annotation and boxeskeras_ocr.tools.drawAnnotations(image=img, predictions=prediction_groups[0])如果我们看一下prediction_groups，我们会看到每个元素对应一组坐标。例如，prediction_groups[0][10]如下：('tuesday',  array(\[\[ 986.2778 ,  625.07764\],         \[1192.3856 ,  622.7086 \],         \[1192.8888 ,  666.4836 \],         \[ 986.78094,  668.8526 \]\], dtype=float32)) 数组的第一个元素对应左上角的坐标，第二个元素对应右下角，第三个元素是右上角，而第四个元素是左下角。#### cv2修复函数使用OpenCV应用修复算法时，需要提供两幅图像：1.​ 输入图像，包含我们要删除的文本。1.​ 遮罩图像，它显示图像中要删除的文本在哪里。第二个图像的尺寸应与输入的尺寸相同。Cv2具有两种修复算法，并允许应用矩形、圆形或线遮罩（请参考：https://opencv24-python-tutorials.readthedocs.io/en/latest/py_tutorials/py_photo/py_inpainting/py_inpainting.html)在这种情况下，我决定使用线遮罩，因为它们更灵活地覆盖不同方向的文本（矩形遮罩只适用于平行或垂直于x轴的单词，圆形遮罩将覆盖比较大的区域）。为了应用遮罩，我们需要提供线的起点和终点坐标以及线的厚度：起点将是框的左上角和左下角之间的中点，终点将是右上角和右下角之间的中点。对于厚度，我们将计算左上角和左下角之间的线长度。import mathimport numpy as npdef midpoint(x1, y1, x2, y2):    x\_mid = int((x1 + x2)/2)    y\_mid = int((y1 + y2)/2)    return (x\_mid, y\_mid)#example of a line mask for the word "Tuesday"box = prediction\_groups\[0\]\[10\]x0, y0 = box\[1\]\[0\]x1, y1 = box\[1\]\[1\] x2, y2 = box\[1\]\[2\]x3, y3 = box\[1\]\[3\] x\_mid0, y\_mid0 = midpoint(x1, y1, x2, y2)x\_mid1, y\_mi1 = midpoint(x0, y0, x3, y3)thickness = int(math.sqrt( (x2 - x1)\*\*2 + (y2 - y1)\*\*2 ))#现在我们可以创建我们的遮罩：mask = np.zeros(img.shape\[:2\], dtype="uint8")cv2.line(mask, (x\_mid0, y\_mid0), (x\_mid1, y\_mi1), 255, thickness)#我们还可以检查遮罩区域，确保其正常工作。masked = cv2.bitwise\_and(img, img, mask=mask)plt.imshow(masked)最后，我们可以修复图像。在这种情况下，我们将使用cv2.INPAINT_NS，指得是“Navier-Stokes, Fluid Dynamics, and Image and Video Inpainting”一文中描述的修复算法。img_inpainted = cv2.inpaint(img, mask, 7, cv2.INPAINT_NS)plt.imshow(img_inpainted)正如你所看到的，“Tuesday”已从图片中删除。

【功能模块】keras.layers.concatenate【操作步骤&问题现象】1、编好用keras写的GoogLeNet的Inception模块的结构2、用Mindspore实现同样的模块，但是找了两天都没找到keras.layers.concatenate对应的Mindspore的哪个函数【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、2、【截图信息】【日志信息】（可选，上传日志内容或者附件）

【操作步骤&问题现象】1、加载keras预训练模型时失败2、在基础镜像下，将文件预训练模型文件通过OBS拷贝到modelarts上的/home/work/.keras/models/ 可以正常通过（参考 https://bbs.huaweicloud.com/forum/thread-70328-1-1.html）3、但是在自定义镜像中，上述操作失败。4、出现 Exception: URL fetch failure on https://github.com/keras-team/keras-applications/releases/download/densenet/densenet169_weights_tf_dim_ordering_tf_kernels_notop.h5: None -- [Errno 110] Connection timed out  错误5、该如何解决通过 pycharm toolkit 训练模型时，下载预训练模型失败的问题？【截图信息】1.2.3.【日志信息】logs.txt

【功能模块】keras模型迁移到npu【操作步骤&问题现象】1、在模型刚开始训练立即报错【截图信息】代码和日志在附件中【日志信息】（可选，上传日志内容或者附件）   1/9000 [..............................] - ETA: 205:29:51 - loss: 1.8785Traceback (most recent call last):  File "/home/work/user-job-dir/code/tobechanged.py", line 52, in <module>    verbose=1)])  File "/usr/local/ma/python3.7/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/training.py", line 1296, in fit_generator    steps_name='steps_per_epoch')  File "/usr/local/ma/python3.7/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/training_generator.py", line 265, in model_iteration    batch_outs = batch_function(*batch_data)  File "/usr/local/ma/python3.7/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/training.py", line 1017, in train_on_batch    outputs = self.train_function(ins)  # pylint: disable=not-callable  File "/usr/local/ma/python3.7/lib/python3.7/site-packages/tensorflow_core/python/keras/backend.py", line 3476, in __call__    run_metadata=self.run_metadata)  File "/usr/local/ma/python3.7/lib/python3.7/site-packages/tensorflow_core/python/client/session.py", line 1472, in __call__    run_metadata_ptr)tensorflow.python.framework.errors_impl.InternalError: GeOp13_0GEOP::::DoRunAsync FailedError Message is : EZ9999: Inner Error!        Aicore kernel execute failed, device_id=0, stream_id=832, report_stream_id=584, task_id=9, fault kernel_name=0_51_training/gradients/up_sampling2d/resize/ResizeNearestNeighbor_grad/ResizeNearestNeighborGrad, func_name=te_resizenearestneighborv2gradd_1f6354e237dd65188b09e326b915d5888a991c0c4d56b54a3590cf7d73c1593c_2d15d5581af80536_0__kernel0, program id=394, hash=8887367990525964730[FUNC:GetError][FILE:stream.cc][LINE:713]        Stream synchronize failed, stream = 0xfffe4da9a790[FUNC:StreamSynchronize][FILE:logger.cc][LINE:273]        rtStreamSynchronize execute failed, reason=[the model stream execute failed][FUNC:ReportFuncErrorReason][FILE:error_message_manage.cc][LINE:26]     [[{{node GeOp13_0}}]][Modelarts Service Log]2021-07-14 13:30:05,147 - ERROR - proc-rank-0-device-0 (pid: 109) has exited with non-zero code: 1

想问问大家，keras模型迁移到npu上，  能不能使用自动迁移工具？或者说有别的迁移方法吗

【操作步骤&问题现象】1、keras-yolo3算法，检测类别为42、上传.h5文件，转换caffe时报错：错误！目前无法转换文件     如何解决呢？【截图信息】

【功能模块】notebook【操作步骤&问题现象】基于tf.keras框架开发多分类模型，设置训练集和验证集是一样的，都是x=data_array,y=label_array_one_hotoptimizer = optimizers.SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)loss = 'categorical_crossentropy'metrics = ['accuracy']model.compile(loss=loss, optimizer=optimizer, metrics=metrics)history = model.fit(x=data_array,y=label_array_one_hot,epochs=50,batch_size=16,shuffle=False,validation_data=(data_array,label_array_one_hot))但是loss和val_loss竟然完全不一致，而且差距很大：Train on 100 samples, validate on 100 samples Epoch 1/50 100/100 [==============================] - 141s 1s/sample - loss: 4.1268 - acc: 0.0600 - val_loss: 3.6375 - val_acc: 0.1000 Epoch 2/50 100/100 [==============================] - 128s 1s/sample - loss: 3.0789 - acc: 0.0600 - val_loss: 4.0423 - val_acc: 0.1000 Epoch 3/50 100/100 [==============================] - 128s 1s/sample - loss: 1.9542 - acc: 0.2400 - val_loss: 4.7988 - val_acc: 0.1000 Epoch 4/50 100/100 [==============================] - 128s 1s/sample - loss: 0.5583 - acc: 0.8700 - val_loss: 4.6028 - val_acc: 0.1000 Epoch 5/50 100/100 [==============================] - 128s 1s/sample - loss: 0.1535 - acc: 0.9900 - val_loss: 4.7119 - val_acc: 0.1000 Epoch 6/50 100/100 [==============================] - 127s 1s/sample - loss: 0.0606 - acc: 1.0000 - val_loss: 4.3682 - val_acc: 0.1000 Epoch 7/50这是为什么呢？【截图信息】【日志信息】（可选，上传日志内容或者附件）

请问老师，由keras转换的pb文件，再转换成为om文件，部署到hilenskit是否可行？

我想把自己在本地训练好的Keras的.h5格式模型导入到ModelArts中，该怎么办呢

您好，我在部署keras的LSTM模型时，模型转换报错，而且模型框架很乱，这是为什么呢？代码和运行结果如下。之前转其他tensorflow的pb模型也出现过类似错误。模型框架也很混乱

我们在notebook上用keras框架写了yolov3，用该算法训练完后得到.h5模型将模型转为官网所需的模型包格式，但部署上线对图片进行预测出现了无法预测，请问我们是哪步出现了问题。预测的日志如附件所示。

那先从该项目的KF算法Tracker开始，项目中预设了几个调节选项：dist_thresh: distance threshold. When exceeds the threshold, track will be deleted and new track is created，距离阈值：超过阈值时，将删除轨迹并创建新轨迹max_frames_to_skip: maximum allowed frames to be skipped forthe track object undetected，超过多少帧没有识别，就放弃该物体，未检测到的跟踪对象允许跳过的最大帧数，可以设置小一些max_trace_lenght: trace path history lengthtrackIdCount: identification of each track object，每个跟踪对象的标识基数（在此之上累加）————————————————版权声明：本文为CSDN博主「悟乙己」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。原文链接：https://blog.csdn.net/sinat_26917383/article/details/86557399