mxnet dmlc-core\src\io\local_filesys.cc: Check failed: allow_null

mxnet加载模型设计文件,报错了

 sym = mx.sym.load(args.symbol_path)

local_filesys.cc:209: Check failed: allow_null

Traceback (most recent call last):
  File "E:/jinji/jacke121-insightface-master/recognition/symbol/calculateFlops.py", line 42, in <module>
    sym = mx.sym.load(args.symbol_path)
  File "D:\Anaconda3\lib\site-packages\mxnet\symbol\symbol.py", line 2888, in load
    check_call(_LIB.MXSymbolCreateFromFile(c_str(fname), ctypes.byref(handle)))
  File "D:\Anaconda3\lib\site-packages\mxnet\base.py", line 255, in check_call
    raise MXNetError(py_str(_LIB.MXGetLastError()))
mxnet.base.MXNetError: [18:57:32] C:\Jenkins\workspace\mxnet-tag\mxnet\3rdparty\dmlc-core\src\io\local_filesys.cc:209: Check failed: allow_null:  LocalFileSystem::Open "D:\BaiduNetdiskDownload\mobilefacenet612M\mxnet/model-symbol.json": No such file or directory
 

后来发现是设计文件路径错误,改为正确的就ok了。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
mxnet-1.9.0 mkl-cp39-cp39-win_amd64.whl文件夹是包含了某个版本的MXNet库和适用于CPython 3.9环境的MKL(Math Kernel Library)扩展的文件夹。 MXNet是一种开源的深度学习框架,提供了一系列丰富的API和工具,支持在CPU和GPU上进行高效的深度学习模型开发和训练。mkldnn是Intel开发的深度神经网络库,MXNet与MKL-DNN集成使得MXNet在CPU上的性能得到了大幅提升。 mkl-cp39-cp39-win_amd64.whl文件夹中的whl文件是一种Python库的二进制分发格式,包含了预编译的二进制文件以及相关的元数据信息。这种格式可以方便地将Python库安装到Python环境中。mkl-cp39-cp39-win_amd64.whl文件夹内的文件以及文件夹结构可能会有所不同,但通常会包括MXNet库、MKL扩展以及其他必要的文件。 要使用这个文件夹,首先需要在计算机上安装CPython 3.9环境,然后使用pip命令进行安装。我们可以使用以下命令进行安装: ``` pip install mxnet-1.9.0 mkl-cp39-cp39-win_amd64.whl ``` 安装完成后,我们就可以在Python脚本中导入并使用MXNet库了。这个文件夹提供了MXNet和MKL的二进制文件,确保了MXNet在CPython 3.9环境中正常运行,并且通过MKL库提供了优化的性能。 总结来说,mxnet-1.9.0 mkl-cp39-cp39-win_amd64.whl文件夹是一个包含MXNet库和适用于CPython 3.9环境的MKL扩展的文件夹,通过安装这个文件夹可以在计算机上使用MXNet开发和训练深度学习模型,并利用MKL库提升在CPU上的性能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值