will-jl944

这个结果是正常的，模型预测得到的是RLE格式的mask。可以通过`pycocotools.mask.decode`解码得到binary格式的mask。

```python import numpy as np import cv2 import pycocotools.mask as mask_utils import paddlex as pdx def rle2binary(mask): """ Decode binary masks encoded via RLE. """ return mask_util.decode(mask) def binary2poly(mask): """...

PaddleX目前尚无计划纳入ocr的训练以及部署。 方便问一下希望PaddleX支持ocr训练和部署的原因吗？是有什么使用PaddleOCR套件无法满足的需求吗？还是有其他原因？

paddlepaddle-gpu和paddleslim的版本分别是多少呢？

具体使用的是什么模型以及backbone？ 该恢复训练找不到优化器参数的问题已经在PaddleX 2.1.0中修复了，详见https://github.com/PaddlePaddle/PaddleX/pull/1197 。我们使用PaddleX 2.1.0，PPYOLO + ResNet50_vd_dcn没有复现出该问题。 可以使用`pip show paddlex`确认一下使用的PaddleX版本。

也可以在`import paddex`之后`print(paddlex.__version__)`看一下。

方便提供能复现出这个报错的代码吗？

我们使用你的代码，以Python脚本的形式运行是没有问题的，在AI Studio中重启环境之后再恢复训练也是没问题的。只在不重启环境直接重新运行恢复训练的单元格的情况下复现出了这个报错。 此外，PPYOLO+ResNet50_vd_dcn模型本身就是没有报错信息中的`conv2d_79`这个卷积层的（最后一层卷积编号为78）。因此，推测可能是因为AI Studio中有未清理的缓存导致的。 可以尝试一下在恢复训练前手动重启环境，看是否还会出现报错。 

该报错情况为已知问题。FasterRCNN模型使用trt加速需要设置子图的dynamic shape，较为繁琐，我们已经在2.1版本暂时关闭了RCNN模型python部署的trt加速功能。如果有RCNN模型使用trt加速的需求，可参考Paddle Inference[相关文档](https://paddle-inference.readthedocs.io/en/latest/optimize/paddle_trt.html#dynamic-shape)改写PaddleX的[Python部署代码](https://github.com/PaddlePaddle/PaddleX/blob/4d83cffb567233f310366b3a8cba38925732760b/paddlex/deploy.py#L96)。 > 当加载的模型为PPYolov2时，则不会报错，但是加载时间会长达2-3分钟，然后便能正常运行预测，是否正常？ 正常的，如果使用trt加速，加载模型时会进行子图融和优化。

paddlepaddle版本是多少？可以更新至2.1.2再试一下。