Roc
Roc
fixbugs in static training ,lr_sheduler should be maintained after quant
请问各位，main方法中在构建网络时可以看到，attributes_w_n可以由attribute自动推理出来， 但是在train方法中为什么要多加这一步: attributes_w_n = sess.run(list_ops['attributes_w_n_batch'],feed_dict={list_ops['image_batch']: images,list_ops['attribute_batch']: attributes}) 然后在下面feed_dict中填入： feed_dict = { list_ops['image_batch']: images, list_ops['landmark_batch']: landmarks, list_ops['attribute_batch']: attributes, list_ops['phase_train_placeholder']: True, list_ops['euler_angles_gt_batch'] : eulers, list_ops['attributes_w_n_batch']: attributes_w_n } 之后才去执行其他的，然而在test方法中则没有这一步，请问，加与不加有什么区别？我对tensorflow尚不非常了解，劳烦讲一下，谢谢
2019年2月14号公布的MTCNN版本的模型，在SampleMTCNN.cpp代码中改变了加载模型的文件路径，程序可以跑通，但是检测不出人脸，同样一张人脸照片，用原先的模型可以识别出来人脸，但是用您在2月14号公布的模型（我随便选了其中的各层进行组合）则检测不出人脸，请问我应该怎么办？
我使用了mxnet2zqcnn转了一下我保存的模型，因为训练的原因，我的模型有名为target_box,在使用SampleMTCNN测试的时候会报错，说already have input layer, 因为在最前面已经有了图片的input layer，请问应该怎么解决？
### PR types Others ### PR changes Others ### Describe cherry pick from https://github.com/PaddlePaddle/Paddle/pull/45909 - add logger manager in fleetAPI - remove apis in paddle.distributed.utils that users don't need
Npu
atapted a runnable demo for npu
Runnable in fp16 mode on DCU