自定义模型运行失败原因？

1. 检查引擎版本

   自定义模型包中的自定义模型及其相关脚本文件，均需基于Tensorflow或PyTorch引擎框架编写。

2. 检查目录结构

   自定义模型包“xxx.zip”中必须包含启动文件以及自定义模型文件。除此之外还可以包含一些其他必要的自定义脚本、自定义库、自定义算子库等。模型包文件解压后目录结构可参考如下：

   .
    ├─ xxx                          #模型包根目录（名称可自定义）
        ├─ customer_auto_label.py    #“自动标注”启动文件（如该模型用于自动标注，则必选，名称固定） 
        ├─ customer_inference.py     #“模型评估”启动文件（如该模型用于模型评估，则必选，名称固定）
        ├─ customer_package          #自定义库（可选，名称可自定义）
            ├─ __init__.py               #自定义库 -> python库
            ├─ tensor_define.py          #自定义库 -> python库文件
            └─ ...     
        ├─ customer_utils.py         #自定义脚本1（可选，名称可自定义）
        ├─ customer_script2.sh       #自定义脚本2（可选，名称可自定义）
        ├─ sub_directory             #子文件夹
            ├─ customer_operation.so     #自定义算子库（可选，名称可自定义）
            └─ coustomer_model.pb        #自定义模型文件（必选，名称可自定义）
        └─ ...                       #其他（可选）
   

   注意： 您需将模型全部相关文件压缩为“.zip”包，并且保证解压后直接得到所有相关文件（外层勿嵌套其他文件夹）。

3. 检查启动文件

   1. 若用于自动标注

      Octopus平台自动标注模块将加载“customer_auto_label.py”中定义的类并实例化，然后依次执行该实例对象的load_model、pre_auto_label、auto_label、post_auto_label方法。用户必须定义一个唯一的自定义类，并导入父类“AutoLabelModel”，同时自定义类中必须定义这四种方法。启动文件中必须导入的部分对象请参考下表。

      表 1 自动标注启动文件必选项

      参数	说明
      logger	用户必须导入logger对象以打印日志
      AutoLabelModel	自动标注模型的类名。必须导入AutoLabelModel类，并作为自定义类的唯一父类。
      load_model (self)	用于加载模型的方法，必须在自定义类中定义，且仅在推理图片前调用该方法1次。
      pre_auto_label (self, sample_path)	用于前处理的方法，必须在自定义类中定义。该方法形参必须唯一且参数名为sample_path，推理每张图片时均会调用1次该方法。
      auto_label (self, sample_path)	用于推理图片的方法，必须在自定义类中定义。该方法形参必须唯一且参数名为sample_data，推理每张图片时均会调用1次该方法。
      post_auto_label (self, label_data)	用于后处理的方法，必须在自定义类中定义。该方法形参必须唯一且参数名为label_data，推理每张图片时均会调用1次该方法。
      label_meta_dict	用于获取meta信息（标注名、形状和颜色等），并将结果展示在前端。可以通过“label_meta_dict.key()”读取注册该模型时用户填入的类别信息。（“训练服务”->“模型管理”->“添加模型”->“标注”）
      upload_results	用于获取单张图片的结果（该变量类型为list），upload_results中每个元素对应一个bounding box结果（元素类型为dict）

   2. 若用于模型评估

      Octopus平台自动标注模块将加载“customer_inference.py”中定义的类并实例化，然后依次执行该实例对象的load_model、infer_preprocess、infer_execution、infer_postprocess方法。用户必须定义一个唯一的自定义类，并导入父类“AutoLabelModel”，同时自定义类中必须定义这四种方法。启动文件中必须导入的部分对象请参考下表。

      表 2 模型评估启动文件必选项

      参数	说明
      logger	用户必须导入logger对象以打印日志
      StandardInferenceClass	模型评估的类名。必须导入StandardInferenceClass类，并作为自定义类的唯一父类。
      load_model (self, inference_rootdir)	用于加载模型的方法，必须在自定义类中定义。该方法形参必须唯一且参数名为inference_rootdir，且该变量为根目录的绝对路径，仅在推理图片前调用该方法1次。
      infer_preprocess(self, inference_image)	用于前处理的方法，必须在自定义类中定义。该方法形参必须唯一且参数名为inference_image，推理每张图片时均会调用1次该方法。
      infer_execution (self, inference_input)	用于推理图片的方法，必须在自定义类中定义。该方法形参必须唯一且参数名为inference_input，推理每张图片时均会调用1次该方法。
      infer_postprocess(self, inference_output)	用于后处理的方法，必须在自定义类中定义。该方法形参必须唯一且参数名为inference_output，推理每张图片时均会调用1次该方法。
      label_meta_dict	用于获取meta信息（标注名、形状和颜色等），并将推理结果与评估数据集中的类别信息匹配。可以通过“label_meta_dict.key()”读取注册该模型时用户填入的类别信息。（“训练服务”->“模型管理”->“添加模型”->“模型评估”）
      upload_results	用于获取单张图片的结果（该变量类型为list），upload_results中每个元素对应一个bounding box结果（元素类型为dict）

   关于自定义模型文件的更多详细说明，请参见“模型文件说明”。