常见问题 
===========

.. contents::
    :local:

C# SDK 无法通过反射加载？
-------------------------

如果在使用 C# SDK 时，反射加载失败，请首先确认系统线程资源是否充足。  
过多的并发线程可能会耗尽线程池，导致反射机制无法正常工作。  
建议合理控制线程数量，或调整 .NET 线程池设置，以保证反射加载稳定可靠。  



图片上传后，在标注页面打开是全黑的图片
--------------------------------------------------

    .. image:: images/invalid_images.png
        :align: center

    上传图片时，DaoAI World 会对上传的数据进行检查和验证，部分图片可能会出现上传失败(如上图)。这是因为图片可能出现了损坏，建议重新采集图片。或者使用以下的方式尝试：

方法1：尝试修复损坏数据
~~~~~~~~~~~~~~~~~~~~~~~~~~~~

    使用 **XnView MP** 图片工具， `下载连接 <https://daoairoboticsinc-my.sharepoint.com/:u:/g/personal/nrd_daoai_com/EWlgNZq_aBNFuomgwXGDx_QBzG2SBuqYFRd724qvd1TJXw?e=33ebHp>`_ 

    解压文件后，找到 **XnView MP** 图片工具的执行程序，双击运行。

    .. image:: images/xnviewmp_exe.png
        :align: center
        :scale: 50%

    左上角 `文件` ， `打开` 选取损坏的图片。

    .. image:: images/xnviewmp_open_file.png
        :align: center
        :scale: 50%
    
    左上角 `文件` ， `另存为` 保存图片到另外的路径下。

    .. image:: images/xnviewmp_save_as.png
        :align: center
        :scale: 50%

    将保存好的图片重新上传。

    .. image:: images/xnviewmp_upload_success.png
        :align: center
        :scale: 50%

    
部署后，物体在边缘时 模型推理失败
--------------------------------------------------
    
    当你发现物体在边缘时，模型无法匹配，报错时。

    .. image:: images/roi_fail.png
        :align: center
        :scale: 50%


    那么请检查以下模型训练时的预处理步骤是否有ROI设置，并且物体出现在了ROI区域以外

    .. image:: images/roi_fail_setting.png
        :align: center
        :scale: 70%

    
    由于感兴趣的区域（ROI）预处理会裁剪掉周围的背景区域，只保留中间的感兴趣的区域; 那么当物体出现在ROI范围之外时，会被当做背景的区域被裁剪掉，也就不会有预测结果了。

    如果您遇到了这种问题，那么您可以考虑：

    1. 更新ROI区域，通过重新定义ROI的区域，正确的预留物体可能出现的区域，确保物体只会出现在ROI区域, 并重新训练模型
    2. 删除ROI预处理设置，并重新训练模型

    然后您就可以正常的预测在图像边缘的物体了

    .. image:: images/roi_fail_result.png
        :align: center
        :scale: 50%

模型推理失败 （图片分辨率不同）
--------------------------------------------------
    
    当您尝试模型推理时 报错无法推理时，请检查使用时的模型分辨率 是否和训练数据中的分辨率一致。

    通常来说，模型对分辨率的变化是有一定的适应能力的

    可是如果增加了ROI预处理步骤，ROI会根据原始图片的分辨率进行切割

    如果这时，使用了比训练图片分辨率小很多的图片进行推理，那么整张图片都会被ROI的部分切割, 就会导致图片推理失败。

    **例如** , 训练集中的图片宽8000像素，ROI预处理步骤切割了左右两边各1000像素的背景区域。当您使用一个1000分辨率或以下的图片进行推理时，如下图左上角，预处理步骤将会按照原图的背景进行切割，也就时会把1000点像素删掉，那么这样就会完全将推理的图片删除，导致模型推理失败。

    .. image:: images/res_fail.JPG
        :align: center
        :scale: 50%


    所以请您在使用时 用和训练集图片分辨率一致的图片进行测试和推理

为什么间隔时间较长后，模型的 inference 时间变慢？
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

在某些设备上，如果连续调用模型的 ``inference()`` 函数，执行速度非常快（例如 70 毫秒以内）；但如果两个 inference 调用之间的间隔较长（例如超过 5 秒），
则可能出现执行时间大幅变慢的情况（例如变成 300 毫秒以上）。

这是由于 GPU 进入低功耗状态导致的性能下降问题。

解决方法如下：

1. **在 NVIDIA 控制面板中设置：**
   - 打开 `NVIDIA Control Panel` → `Manage 3D Settings`。
   - 找到 `Power management mode`，设置为 **Prefer maximum performance**。

2. **在系统电源管理中设置：**
   - 打开 `控制面板 → 电源选项`。
   - 选择 **高性能** 电源计划。

设置示例如下图所示：

.. image:: images/nv_power.png
   :width: 600px

.. image:: images/ctrlpanel_power.png
   :width: 600px

通过上述设置，可以避免 GPU 进入节能模式，从而在长时间等待后保持推理性能。