huzhiqiang

您好，请问使用paddlelite部署的设备是什么呢？ 你这里将模型转化为arm cpu的模型，是实际部署在了 armlinux的开发板上了吗。ai studio 一般是基于服务器上gpu实现部署的， arm cpu 相较于 服务器 上 gpu上计算性能就是差很多。 如果想使用paddlelite达到更优的部署性能，建议在arm 开发环境上使用opencl gpu加速

PROFILER: Error Loading gl2 driver library jumptable

您好，查询后，这是安德鲁GPU的运行时驱动，似乎是缺少驱动导致的。

您好， 我们是发布了的。 支持的python版本包括2.7\3.5\3.6\3.7\3.8\3.9

不能直接通过pip安装，可以在发布页面上直接下载安装包： https://pypi.org/project/paddlelite/2.10rc0/#files

https://emscripten.org/docs/optimizing/Optimizing-Code.html  不知道会不会对性能有影响还是影响比较小呢，可以QA测试一下吗

你好deeplabv3+已经迁移到[PaddlePaddle/PaddleSeg](https://github.com/PaddlePaddle/PaddleSeg)repo中，其中有保存模型的脚本`PaddleSeg/pdseg/export_model.py`(https://github.com/PaddlePaddle/PaddleSeg/blob/release/v0.3.0/pdseg/export_model.py) 可以参考这个脚本实现模型实现期望模型的保存。

你好，请问您的问题是已经解决了吗