atlas200dk，跑官方yolov4样例，acl和pillpw，constant都安装完成，环境变量正常配置，acl-help没问题，跑到时候报错AttributeError: module 'acl' has no attribute 'rt'是否由于acl_until现在改名为acllite，许多内部接口命名变了，还是什么原因

从管理中心下发升级的​执行机又是什么东西？

我看起步就是4t，动辄都是32t但我看智能驾驶的汽车，目前主流的也不过几十t到一百多t不等，智能驾驶的t，与 ivs的 ，这两个t是否是一个单位？

地图得分为0，提示选手程序运行错误，看回放的时候没有过程，直接就是结果。这是什么情况？

mysql数据库部署在红帽7.6操作系统上，跑cms和sum数据库脚本时，检测数据库操作系统为非麒麟或suse，报错，无法继续进行。需重新部署suse操作系统版本mysql

按照以下链接方法检查https://bbs.huaweicloud.com/forum/thread-181670-1-1.html还是提示插件安装命令失败。用命令行手动执行命令，显示已经安装，但是在studio扩展中心显示还是没有安装，而且ui录制完后不能保存，显示没有安装wa.uiweb控件信息如下：日志信息如下：[2023-03-02 21:32:19,915] [ERROR] - com.huawei.mateinfo.ipa.studio.app.plugin.management.PluginsManagementServiceImpl.installSingleOfficialPlugin(PluginsManagementServiceImpl.java:227) - Failed to install the plugin package: wa-uiweb, error code: Execute command exit 1, error details: Traceback (most recent call last):   File "./tools/plugin_install.py", line 225, in <module>   File "./tools/plugin_install.py", line 216, in run   File "./tools/plugin_install.py", line 80, in run_install   File "./com/huawei/antrobot/utils/shell_helper.py", line 35, in run_cmd   File "./com/huawei/antrobot/framework/linux_adaptation/adapter.py", line 65, in inner   File "./com/huawei/antrobot/utils/shell_helper.py", line 63, in get_process   File "subprocess.py", line 854, in __init__   File "subprocess.py", line 1307, in _execute_child OSError: [WinError 123] 文件名、目录名或卷标语法不正确。  [2023-03-02 21:32:19,916] [ERROR] - com.huawei.mateinfo.ipa.studio.app.agent.exception.ServiceExceptionHandler.around(ServiceExceptionHandler.java:56) - Execute service[PluginsManagementServiceImpl] method[batchInstallOfficialPlugins] occur exception com.huawei.mateinfo.agent.exception.AgentRuntimeException: error.plugin.message.pluginInstallationFailed     at com.huawei.mateinfo.ipa.studio.app.plugin.management.PluginsManagementServiceImpl.installSingleOfficialPlugin(PluginsManagementServiceImpl.java:232) ~[studio-web-service.jar:?]     at com.huawei.mateinfo.ipa.studio.app.plugin.management.PluginsManagementServiceImpl.batchInstallOfficialPlugins(PluginsManagementServiceImpl.java:190) ~[studio-web-service.jar:?]     at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method) ~[?:1.8.0_322]     at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62) ~[?:1.8.0_322]     at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43) ~[?:1.8.0_322]     at java.lang.reflect.Method.invoke(Method.java:498) ~[?:1.8.0_322]     at org.springframework.aop.support.AopUtils.invokeJoinpointUsingReflection(AopUtils.java:344) ~[spring-aop-5.3.14.jar:5.3.14]     at org.springframework.aop.framework.ReflectiveMethodInvocation.invokeJoinpoint(ReflectiveMethodInvocation.java:198) ~[spring-aop-5.3.14.jar:5.3.14]     at org.springframework.aop.framework.ReflectiveMethodInvocation.proceed(ReflectiveMethodInvocation.java:163) ~[spring-aop-5.3.14.jar:5.3.14]     at org.springframework.aop.aspectj.MethodInvocationProceedingJoinPoint.proceed(MethodInvocationProceedingJoinPoint.java:102) ~[spring-aop-5.3.14.jar:5.3.14]     at com.huawei.mateinfo.ipa.studio.app.common.aspectj.ServiceProceedAspect.around(ServiceProceedAspect.java:58) ~[studio-web-service.jar:?]     at sun.reflect.GeneratedMethodAccessor94.invoke(Unknown Source) ~[?:?]     at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43) ~[?:1.8.0_322]     at java.lang.reflect.Method.invoke(Method.java:498) ~[?:1.8.0_322]     at org.springframework.aop.aspectj.AbstractAspectJAdvice.invokeAdviceMethodWithGivenArgs(AbstractAspectJAdvice.java:634) ~[spring-aop-5.3.14.jar:5.3.14]     at org.springframework.aop.aspectj.AbstractAspectJAdvice.invokeAdviceMethod(AbstractAspectJAdvice.java:624) ~[spring-aop-5.3.14.jar:5.3.14]     at org.springframework.aop.aspectj.AspectJAroundAdvice.invoke(AspectJAroundAdvice.java:72) ~[spring-aop-5.3.14.jar:5.3.14]     at org.springframework.aop.framework.ReflectiveMethodInvocation.proceed(ReflectiveMethodInvocation.java:175) ~[spring-aop-5.3.14.jar:5.3.14]     at org.springframework.aop.aspectj.MethodInvocationProceedingJoinPoint.proceed(MethodInvocationProceedingJoinPoint.java:89) ~[spring-aop-5.3.14.jar:5.3.14]     at com.huawei.mateinfo.ipa.studio.app.agent.exception.ServiceExceptionHandler.around(ServiceExceptionHandler.java:52) [studio-web-service.jar:?]     at sun.reflect.GeneratedMethodAccessor72.invoke(Unknown Source) ~[?:?]     at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43) ~[?:1.8.0_322]     at java.lang.reflect.Method.invoke(Method.java:498) ~[?:1.8.0_322]     at org.springframework.aop.aspectj.AbstractAspectJAdvice.invokeAdviceMethodWithGivenArgs(AbstractAspectJAdvice.java:634) [spring-aop-5.3.14.jar:5.3.14]     at org.springframework.aop.aspectj.AbstractAspectJAdvice.invokeAdviceMethod(AbstractAspectJAdvice.java:624) [spring-aop-5.3.14.jar:5.3.14]     at org.springframework.aop.aspectj.AspectJAroundAdvice.invoke(AspectJAroundAdvice.java:72) [spring-aop-5.3.14.jar:5.3.14]     at org.springframework.aop.framework.ReflectiveMethodInvocation.proceed(ReflectiveMethodInvocation.java:175) [spring-aop-5.3.14.jar:5.3.14]     at org.springframework.aop.interceptor.ExposeInvocationInterceptor.invoke(ExposeInvocationInterceptor.java:97) [spring-aop-5.3.14.jar:5.3.14]     at org.springframework.aop.framework.ReflectiveMethodInvocation.proceed(ReflectiveMethodInvocation.java:186) [spring-aop-5.3.14.jar:5.3.14]     at org.springframework.aop.framework.JdkDynamicAopProxy.invoke(JdkDynamicAopProxy.java:215) [spring-aop-5.3.14.jar:5.3.14]     at com.sun.proxy.$Proxy77.batchInstallOfficialPlugins(Unknown Source) [?:?]     at com.huawei.mateinfo.ipa.studio.app.plugin.ActionPluginController.batchInstallOfficialPlugins(ActionPluginController.java:150) [studio-web-service.jar:?]     at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method) ~[?:1.8.0_322]     at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62) ~[?:1.8.0_322]     at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43) ~[?:1.8.0_322]     at java.lang.reflect.Method.invoke(Method.java:498) ~[?:1.8.0_322]     at sun.reflect.misc.Trampoline.invoke(MethodUtil.java:72) [?:1.8.0_322]     at sun.reflect.GeneratedMethodAccessor76.invoke(Unknown Source) ~[?:?]     at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43) ~[?:1.8.0_322]     at java.lang.reflect.Method.invoke(Method.java:498) ~[?:1.8.0_322]     at sun.reflect.misc.MethodUtil.invoke(MethodUtil.java:276) [?:1.8.0_322]     at sun.reflect.GeneratedMethodAccessor75.invoke(Unknown Source) ~[?:?]     at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43) ~[?:1.8.0_322]     at java.lang.reflect.Method.invoke(Method.java:498) ~[?:1.8.0_322]     at com.sun.xml.internal.ws.api.server.MethodUtil.invoke(MethodUtil.java:68) [?:1.8.0_322]     at com.sun.xml.internal.ws.api.server.InstanceResolver$1.invoke(InstanceResolver.java:235) [?:1.8.0_322]     at com.sun.xml.internal.ws.server.InvokerTube$2.invoke(InvokerTube.java:134) [?:1.8.0_322]     at com.sun.xml.internal.ws.server.sei.SEIInvokerTube.processRequest(SEIInvokerTube.java:73) [?:1.8.0_322]     at com.sun.xml.internal.ws.api.pipe.Fiber.__doRun(Fiber.java:1121) [?:1.8.0_322]     at com.sun.xml.internal.ws.api.pipe.Fiber._doRun(Fiber.java:1035) [?:1.8.0_322]     at com.sun.xml.internal.ws.api.pipe.Fiber.doRun(Fiber.java:1004) [?:1.8.0_322]     at com.sun.xml.internal.ws.api.pipe.Fiber.runSync(Fiber.java:862) [?:1.8.0_322]     at com.sun.xml.internal.ws.server.WSEndpointImpl$2.process(WSEndpointImpl.java:404) [?:1.8.0_322]     at com.sun.xml.internal.ws.transport.http.HttpAdapter$HttpToolkit.handle(HttpAdapter.java:706) [?:1.8.0_322]     at com.sun.xml.internal.ws.transport.http.HttpAdapter.handle(HttpAdapter.java:260) [?:1.8.0_322]     at com.sun.xml.internal.ws.transport.http.server.WSHttpHandler.handleExchange(WSHttpHandler.java:98) [?:1.8.0_322]     at com.sun.xml.internal.ws.transport.http.server.WSHttpHandler.handle(WSHttpHandler.java:82) [?:1.8.0_322]     at com.sun.net.httpserver.Filter$Chain.doFilter(Filter.java:79) [?:1.8.0_322]     at sun.net.httpserver.AuthFilter.doFilter(AuthFilter.java:83) [?:1.8.0_322]     at com.sun.net.httpserver.Filter$Chain.doFilter(Filter.java:82) [?:1.8.0_322]     at sun.net.httpserver.ServerImpl$Exchange$LinkHandler.handle(ServerImpl.java:705) [?:1.8.0_322]     at com.sun.net.httpserver.Filter$Chain.doFilter(Filter.java:79) [?:1.8.0_322]     at sun.net.httpserver.ServerImpl$Exchange.run(ServerImpl.java:675) [?:1.8.0_322]     at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1149) [?:1.8.0_322]     at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624) [?:1.8.0_322]     at java.lang.Thread.run(Thread.java:750) [?:1.8.0_322] 

AI产品和服务智能输入一个字便可作一首诗。

作者：关耳山石目录前言一、ChatGPT是什么？ChatGPT背后的公司ChatGPT背后的技术从GPT-3.5到ChatGPT的意义二、ChatGPT会对我们产生什么影响？三、ChatGPT并非万能四、我们如何利用ChatGPT五、写在最后前言年前到现在，一直被ChatGPT的新闻轰炸，现在还越来越热闹了，关于ChatGPT技术，关于人与ChatGPT未来发展的讨论，网络上众说纷纭。我就让同事从海外注册账号，直接问了ChatGPT这个问题，最后用Stable Diffusion生成了ChatGPT眼中未来的图像，如下图：关于，这幅景象，它是这么描述的：于是，作为一位严谨的“民科”和积极的开发者，立即开始跟随潮流，了解新技术 ！希望能与大家一起交流看法，欢迎大家留言讨论~一、ChatGPT是什么？1、ChatGPT背后的公司们·OpenAI&微软要聊ChatGPT，必须得先聊OpenAI。这本来是一家搞全栈AI创新的非盈利组织，重点研究物理机器人，背后甚至还有钢铁侠、彼得·蒂尔、YC总裁Sam（任CEO）等一众硅谷大佬身影，而GPT系列模型只是众多研究方向之一。因为非盈利组织无法进行融资，就搞了个商业的壳子，吸引了微软投资，最后达成的结果是：OpenAI要优先使用微软的技术（主要是Azure），微软得到了OpenAI技术的使用权，这也是ChatGPT与微软之间的联系。2、ChatGPT背后技术·GPT-3.5GPT这模型已经发展四代了，目前开放了GPT-3的API（收费的），ChatGPT用的是GPT-3.5，还有一代GPT-4没见过（据说Bing融合的就是这个）。这个东西到底是干啥的，如果感兴趣，建议去看李宏毅老师的视频，省流版就是： 文字接龙机器人，一个学了2/3的互联网知识，整个Wikipedia，多个书籍库，以及一套“自动补齐”能力的文字接龙机器人。（引至李宏毅老师的视频）但是平时咱们用的输入法基本也会一些文字接龙，但是接起来的感觉前言不搭后语的，为啥ChatGPT就行了呢？网上还找不着GPT-3.5相关的材料，只能研究研究GPT-3的创新点去推断了：模型相当大1750亿参数，这个参数大概意思是表示每个字/词出现的可能性。到底有多大，看下图就有个直观的感受。当然，训练数据量也极其的大，大约是4990亿个Token（简单理解为字/词），号称学了2/3个互联网、整个Wikipedia和几个书籍库。按照这个信息量，一定是高度冗余的，也是绝对充分了。（图片源于网络）“加钱”效果相当好这玩意还有个很神奇的地方，就是有钱能使它推磨，“加价”的效果立竿见影：从趋势来看，模型越大，效果越好。想必将来还会有更大的模型出来，毕竟有多大钱，GPT能创造多少奇迹嘛！（DeepMind还做了个推导，算出来一个模型参数与数据量的最优线性关系）通用性相当好这也算个特别牛的事情，不用进行额外的“调教”，已经学会了干很多事，简直是AI工程师的福音。举个例子，我们有个相似需求推荐的场景，是基于BERT的基础模型，加上一堆（上千条）人工标注的训练数据集，再调优一把，才能使用在我们的场景里。有了这个大力仔，就不需要这一套了，直接拿来即用。而且还有个比较有意思的，哪怕要教模型做点事，也不需要工程师了，直接在输入里写上寥寥几个例子（In Context Learning），模型就学会了。“意识”涌现相当惊人学名叫Chain-of-Thought，思维链，这是最让人惊讶和细思极恐的了。就是当模型足够大，层数足够多的时候，居然还就从量变到质变了，产生了一些类人的逻辑思维能力。这玩意我没看到更深刻的解释，但是从表象上看，确实会做一些逻辑题了。比如算算数、做一些逻辑推理。PS：我从网上看到一个数据，列在这里做个备注 - OpenAI的GPT 3的规模为175B，Google的LaMDA规模为137B，PaLM的规模为540B，DeepMind的Gogher规模为280B等，不一而足。国内也有中文巨型模型，比如清华&智谱GLM规模130B，华为“盘古”规模200B，百度“文心”规模260B，浪潮“源1.0”规模245B。（规模 = 模型的参数规模，单位是Billion）（图片源于网络）3、从GPT-3.5到ChatGPT的意义如果说GPT-3是理论或底层能力的创新，那么ChatGPT的创新就是工程和商业层面的，甚至是一个里程碑式的。这是一个“现象级”的产品首先，我认为，将一个大众无法理解的技术，变成“现象级”产品，是ChatGPT的最牛创新，使得“AI使能”落入寻常百姓家，与每个人产生了化学反应，所以这绝对是划时代的。Google 2022年I/O大会的时候，我也做了一波洞察，看到LaMDA、PaLM的展示，能够体验的人极少，感知到其魅力的也是极少的。而ChatGPT做了个简陋的Playground就迅速抢占了大众的心智，看到有数据说，从0~100万用户只用了5天，过亿只用了2个月，基本没有额外的获客成本。甚至还让竞争对手意识到，再不搞起早起五更都赶不上晚集了。以至于前几天Google不仅召回了两位创始人，快速规划对话式搜索的上线，还大笔投资了OpenAI的“港湾”组织 – Anthropic）。从工程上，我理解ChatGPT是GPT-3.5的一个优化应用。简单说，就是先人肉标注一些GPT-3.5返回数据，以教GPT-3.5说话，然后用强化学习的算法来持续评价，最终实现了这么个神奇的模型。（号称用到了40+的人力来持续教AI做事，据说还有肯尼亚的低价劳工。）可惜不开源ChatGPT不开源，GPT-3.5模型也不开源。两者都不支持在中国使用（包括HK），所以网络上开始有二道贩子开始倒卖，或直接接到微信上付费使用。两者目前都有商业化的手段，GPT模型是直接卖API，ChatGPT出了Plus版，20美刀一个月，优先使用。（GPT-1模型和GPT-2的部分小规模模型是开源的，OpenAI的理由是，大规模模型能力太强大，怕被坏人利用）二、ChatGPT会对我们产生什么影响？首先，我们得先认识到，ChatGPT只是众多LLM中比较会秀的一个。GPT系列属于大规模语言模型（LLM）前沿中的一支，DeepMind（搞AlphaGo下围棋的那公司）、Google、FB，都有自己的优秀实践。从技术能力上，我觉得还远没有到比哪个更好的程度，倒是ChatGPT这一波秀出圈以后，大家找金主爸爸要钱会更容易了，这是个大家都开心的事儿。关于替代人类工作的讨论，用微软CEO纳德拉的话说：“信息的整合、转译和流通，变得廉价”。因此对于所有与信息整合、转译和流通相关的工作，还是会有影响。侵入“创造性”工作GPT模型已经离谱到，直接把图案转成向量喂给它，就能帮我们补齐图片（image-gpt）的地步，或许我们曾以为的文案、绘图，甚至是编码这些曾经被认为无法被AI替代的工作都将被入侵。取代“搜索和问答”人类在已有知识的搜索和输出上，可能永远无法超过AI。Google已经开始加快LaMDA的速度，然后是微软继续加注OpenAI并开始在Bing中融入，再然后StackOverflow（技术类知识问答界的明珠）用户量降了3200万，所以我觉得，大模型是靠谱的，替代也是迟早的事儿。让AI应用更简单ChatGPT的Zero-shot效果显著（LLM有三种学习方式，Few-shot、One-shot、Zero-shot，讲人话就是举多反一、举一反一、无中生有），这个能力在语言模型中，影响极其深远。简单来说，就是我们如果想在项目中引入AI能力，GPT很好的通用性、极少的“调教”量会使得工程上更简单。ChatGPT背后基础模型能力成熟且强，更多此类大模型被打造出来后，使得千千万万的AI加持变成可能，实现“AI使能”落入寻常百姓家。而且，OpenAI卖通用AI的API的生意还是可以赚钱的（见下图，1k token大约等于750个字，看着不算贵，默认还有18刀的体验费用），这里不得不开个玩笑：AI工程师们，你们把AI的道拓宽了，把自己的道都走窄了啊！三、ChatGPT并非万能从根子上理解，GPT算法在做的其实是“补齐”工作：即通过学习人类说话的方式，基于上下文，推测后面你打算说啥。具体要回答啥，则完全靠概率计算，靠“违和感”。如此一来，当下的GPT算法势必就有几个特点：需要海量的数据、算力和钱搞个这种算法，总共烧了多少钱呢？22年是5个亿刀，前七年40亿刀，最近微软新加注100亿刀。（我看网上说，ChatGPT训练下来大约1200多万美金，这样看来，微软的投资，还是打好算盘的，钱要花在自己身上才算值）。而且，搜索引擎和信息入口企业已占先机，想要再进入，都需要更多的数据、钱和算力。当然，还需要很多标注人力来调教模型，让其有人的习惯和三观。真实版“人云亦云”：类比鹦鹉学舌，有响应不代表有思考，响应够用也不代表足够 优美。虽然它对通识类的知识理解，效果非常好（何谓通识？就是搜索引擎能搜出一堆来的知识，互联网本身信息已经高度冗余了，只是作为个体的人类不太清楚罢了），但其实AI也并不知道自己说的对不对，它只是知道，大家一般都这么说，然后做一些看起来不错的回答。（思维链除外，这个东西细思极恐，只是欺负它目前还没有那么成熟）时效性问题即目前ChatGPT学的是2021年前的知识，所以不知道2022年世界杯谁赢了，不过对于这个问题是可解的。OpenAI的WebGPT算法，已经与Bing结合，把最新的信息投喂给模型，如此一来，它也就知道最新消息了。（我不清楚具体是如何实现，猜测应该不是去实时训练基础模型，而是在上层叠加了什么）四、我们如何利用ChatGPT这个问题我想再扩大一点，扩大到AIGC这个话题上，AIGC已经被Science列为2022年TOP10科学突破，2022年是当之无愧的AIGC元年，结合我们的日常工作，我认为以下方面是可以快速尝试和引入的：信息摘要和初级创作：主要用于日常办公效率提升的场景从信息摘要的角度，这就是信息爆炸时代的良药，简要描述为用魔法打败魔法：直接让AI从繁杂的信息中摘取需要的重点内容，节约人力；从初级创作性工作替代上来看， AIGC可以快速帮我们做完早期的工作，更多精力投入“微雕”。从OpenAI的Codex来看（支撑Github Copilot），对于常用算法、业务逻辑代码、重构（包括跨语言的重构，比如从java改成go）、代码注释（福音啊！）等的代码生成能力已经逐渐成型， 我试着面向GPT编程，效果相当好：语法工整、注释清晰、变量准确（除了逻辑错了一丢丢 – 返回是月末周日，而不是周六）通识类问题解答：主要用于通识类知识搜索和问答场景，在公开域搜索信息，以减少人力搜索和辨别的过程。IT系统拟人化：主要用于人机交互场景，这个用途好像很少有人提，可能太偏门了。我觉得其实AIGC特别合适帮我们IT系统的输出更“丝滑”、更“拟人”、更“准确”，优化机器输出更加的“人性化”，符合普遍大众的习惯。五、写在最后“吾生也有涯，而知也无涯。以有涯随无涯，殆已！”，我觉得古人的智慧足以回答关于人类与ChatGPT未来发展的问题，在我看来，对于ChatGPT，甚至是更宽广的技术发展来说，科技是为了解放人类的双手，让我们用更充足的精力去进行思考、探索和创造，AI应该成为我们的辅助能力，而不是竞争者。想要了解华为盘古大模型的，回复“盘古大模型”，文末领取丰厚资料包~

1.用的设备是mdc300f平台2.cann版本是5.0mdc3003.mindstudio版本是2.0.0（bete3）4.onnx模型链接：cid:link_05.在cann6.0可以成功转出om模型，但是最终需要部署到mdc300平台上，必须要用自带的cann转换。自带的5.0mdc300转换报错flatten算子axis必须改为1，于是将flatten算子的axis=3强制转为1，出现了如下图的错误，经过初步分析是flatten算子后gather算子没有起作用。想请教一下如何在改了flatten算子axis值的情况下，还能保持给gather算子正确的输入。

已完成实践，静等证书下发

已完成，真的非常不错

【问题来源】【必填】    星网    【问题简要】【必填】在生成GSL文件时闪退【问题类别】【必填】 IVR，gsl 【AICC解决方案版本】【必填】 AICC 22.100.0 SCE版本 ICDV300R008C25SPC007【期望解决时间】【选填】尽快【问题现象描述】【必填】在win10用SCE编译生成ivr流程GSL文件时，少于1M的流程是能够生成，但6、7M的流程就在生成过程中一直存在闪退现象

月照荒郊望，僧居夜复高

使用 MindStudio 将一个在 GPU 正常运行的项目迁移至 NPU，AICore 的利用率一直上不去。在平时的 RTX 3090 显卡训练，GPU的利用率能够一直维持在 99% 左右，训练时长大约为一个小时。但是，在 NPU 上一直不出结果，训练推进缓慢。是不是我训练的设置有问题？还是项目相应的 API 需要修改？

前面已经定义好了超参数"device_id": 0 为什么还会报错​