摘要：在将ONNX模型转换为OM格式时，即使使用--precision_mode=force_fp32参数，算子精度仍从FP32降为FP16。解决方法是通过混合精度模式，在ATC转换命令中指定--precision_mode=allow_mix_precision，并配合--op_precision_mode参数锁定关键算子（如MatMul、Conv、Gemm）强制保持FP32精度。具体命令示例展

运行python train.py报错 ,缺少Visual Studio 17 2022, 系统已安装Visual C++ Redistributable for Visual Studio 201。再次运行 python train.py 报另一个错了, 可能是pip版本太低吗？重新安装新版本的[重新分发 Visual C++ 文件 2017]好多库没有支持，建议安装一个anaconda。

问题描述：按照示例教程提供的脚本[./script/run_distribute_train.sh]，进行多卡单模型训练时，出现了以下报错：请问有人遇到过这种错误吗？能否分享一下解决方法？谢谢！[CRITICAL] DISTRIBUTED(21714,7fa32ebc0740,python):2022-03-09-08:30:23.606.377 [mindspore/ccsrc/distribu

环境：ubuntu，gpu：2080ti这是报错信息：...是我的环境变量没有设置好吗？

***************************************************解答*****************************************************使用convert_lite 工具window。可以根据日志排查下pooling的规格。2,TensorFlow模型。

GPU为NVIDIA GeForce RTX 2060 with Max-Q Design，内存6G系统为windows11【操作步骤&问题现象】1、安装wsl2，anaconda3，在python3.7.5环境下运行mindspore1.5.0-rc12、对CIFAR-10数据集尝试使用ResNet-50实现图像分类3、可调用CPU进行分类，但调用GPU时提示cudaHostAlloc fail

问题描述：我目前在做pytorch reconet模型在mindspore上复现的工作，现在遇到了显存溢出的问题，而且显存占用是torch中的三倍以上，pytorch只需要7.6G显存，而mindspore 24G都溢出了在pytorch中，在训练初始时加载一次vgg模型，在每个batch中vgg当做一个特征提取工具，也不需要参与模型梯度回传，训练步骤大体如下model = ReCoNet().c

问题描述：【功能模块】按照[官网链接](MindSpore官网) 安装 MindSpore 完毕后运行 import mindspore 报错，提示缺少依赖库文件 libacl_tdt_channel.so【操作步骤&问题现象】按照官网给的步骤，试过pip和conda两种方式安装一）pip安装1、执行```shellpip3 install https://ms-release.obs.cn-no

问题描述：【功能模块】在训练时报错，提示算子不支持gpu类型【操作步骤&问题现象】1、开始训练，加载数据，走到train时就报错【截图信息】[EXCEPTION] DEVICE(35811,7f3f576f62c0,python):2022-03-03-07:28:44.866.790 [mindspore/ccsrc/runtime/device/gpu/kernel_info_setter.c

问题描述：人脸识别ArcFace无法正常作为loss函数使用。Model0Zoo的研究网络中有个人脸识别的ArcFace方法。在使用的时候，可能是我操作问题无法正常使用。【操作步骤&问题现象】1、定义resnet50的网络，19分类。net = resnet50(19)2、自己定义一个loss类。步骤是先将网络输出与标签输入到ArcFace中，然后再将ArcFace的结果输入到SoftMaxCE中