1. 编译example时，出现类似 fatal error: 'tengine_c_api.h' file not found 的错误？

这是编译Tengine之后没有将相关文件复制到 core/include 的缘故，只需要在Tengine根目录下执行make install即可；如果你是在编译某一个example，还需要在cmake的时候加入参数-DTENGINE_DIR=<tengine_root>来指定Tengine目录。

2. 编译Tengine时，出现类似 internal compiler error: Segmentation fault 的错误？

通常是因为编译时开启太多的线程，尝试用make clean清空编译结果，用较少的线程数（即make命令的 j 参数）重新编译。

3. 编译Android版本的Tengine时，出现 This file was generated by a newer(older) version of protoc which is incompatible with your Protocol Buffer headers. Please update your headers. 的错误？

protobuf版本不匹配。如果你使用了百度云盘上预编译好的 protobuf_lib ，请将你本地的protobuf版本升级（降级）到3.0.0版本，安装方式参见 如何安装 protobuf 3.0.0？；或者使用ndk重新编译 protobuf_lib。

4. 如果我的模型有某一部分操作只出现在Tengine的CPU或GPU支持的操作列表里怎么办？

尝试使用 异构计算。

5. 为什么树莓派3B开启 CONFIG_ARCH_ARM64=y 编译会报错？

虽然树莓派3B是64位的A53处理器，但由于官方的操作系统运行在aarch32模式下，所以无法正常编译和运行Tengine的64位汇编代码。

6. RK3399如何查看GPU的运行频率和占用率？

在终端执行cat /sys/devices/platform/ff9a0000.gpu/devfreq/ff9a0000.gpu/load

7. 开启TF_SERIALIZER之后编译报错 fatal error: graph.pb.h: No such file or directory

protobuf版本不够高，TF要求3.0.0以上的版本，安装方式参见 如何安装 protobuf 3.0.0？

8. tengine如何指定cpu核心？为什么设置 TENGINE_CPU_LIST=0 或者2 性能没差别?

tengine通过环境变量TENGINE_CPU_LIST 来设置cpu核心。
如果用的是RK3399, cpu的编号是: 0，1，2，3 为A53， 4，5 为A72, 这个信息可以通过命令cat /proc/cpuinfo查看。
因此，设置TENGINE_CPU_LIST, 无论设置0，2 都是单A53, 性能无差别。

设置方法：

1. 在命令窗口直接设置
   export TENGINE_CPU_LIST=4,5 //两个A72
2. 在代码中调用setenv设置
   int setenv(const char *envname, const char *envval, int overwrite);
setenv最后一个参数overwrite 设置为0，表示如果环境变量已有设置，则不更新; 最后一个参数非0, 参数更新
   如：setenv("TENGINE_CPU_LIST", "4,5", 1);

在代码中调用set_cpu_list函数设置
void set_cpu_list(const char* cpu_list_str);
函数接收cpu序号的列表，用逗号作为分隔符，注意：set_cpu_list函数必须在init_tengine之前调用才能生效。
如：set_cpu_list("4,5")；

9. 执行程序时出现类似_Failed to execute on: xxx Op: xxx_报错？

检查一下makefile.config里是不是同时注释掉了CONFIG_ARCH_ARM64=y和CONFIG_ARCH_BLAS=y，两者起码需要打开一个。对于armv8，建议打开ARM64，如果需要使用只能依赖openblas的OP（如LSTM和DeConv）则需要将BLAS一并打开；对于armv7、x86则只能打开BLAS。

10. 为什么相同的网络和相同的输入，CPU和GPU计算输出的特征向量不完全相同？

对于浮点运算，CPU只支持FP32，而GPU往往同时支持FP16和FP32。如果为GPU设置了FP16运算精度（export ACL_FP16=1），那么由于计算精度的不同，CPU和GPU的运算结果就有了一些差异。

11. 执行程序时报错 _The input file specified is using deprecated params: xxx. Please upgrade the input file by using caffe tools(upgrade_net_proto_text/upgrade_net_proto_binary)._？

Tengine对caffe只支持新的input格式，解决方法：

1. 调用caffe的工具 upgrade_net_proto_text/upgrade_net_proto_binary 对prototxt进行升级；

2. 或手动修改prototxt文件，将

   input: "data"
   input_shape {
       dim: 1
       dim: 3
       dim: 300
       dim: 300
   }
   

   的格式改为（_注意：输入维度要对应修改，不能照抄_）

   layer {
       name: "input"
       type: "Input"
       top: "data"
       input_param {
           shape {
               dim: 1
               dim: 3
               dim: 300
               dim: 300
           }
       }
   }
   

   12. 自定义OP后报错 cannot find load function for operator: xxx

   这是因为没有在serializer上注册该OP，使得模型解析过程中找不到OP，以caffe为例可参考 issue#89

   13. 如何使用PyTorch/Gluon模型？

• PyTorch用户可以将导出onnx模型，或使用转换工具（如PytorchToCaffe转换成caffe模型）来使用Tengine。
• MXNet-Gluon用户可以导出onnx或MXNet-Module模型，或使用转换工具（如GluonConverter转换成caffe模型）来使用Tengine。
• 有可能是opencv版本问题，opencv3把一些名为CV_xxx的常量挪到了cv命名空间下并且去掉了前缀CV_，可以尝试将代码报错的CV_xxx常量改为cv::xxx后重新编译，如CV_FILLED改为cv::FILLED

14. 编译Tengine过程中报错 te_caffe.pb.h: No such file or directory

te_caffe.pb.h文件是在编译过程中产生的，也就是说在该错误之前应该还会有其他报错——而且这往往是protobuf带来的问题，如 _protoc: error while loading shared libraries: libprotoc.so.xx: cannot open shared object file: No such file or directory_，编译工具未找到protobuf或系统包含多个版本的protobuf导致编译工具产生混乱。

15. 编译example的时候报错 CV_xxx was not declared in this scope

有可能是opencv版本问题，opencv3把一些名为CV_xxx的常量挪到了cv命名空间下并且去掉了前缀CV_，可以尝试将代码报错的CV_xxx常量改为cv::xxx后重新编译，如CV_FILLED改为cv::FILLED