疑難排解

每個條目都以「症狀 → 原因 → 解決方案」的形式呈現。症狀標題是確切的錯誤訊息——請在本頁中搜尋（Ctrl-F），以找到您看到的訊息。每個條目都經過驗證，以確保與目前的原始碼一致，或在 DevKit 上進行重現。

安裝與環境設定

1. `pyneat is not importable. Either Neat is not installed, or the venv is not activated.`

原因

pyneat 虛擬環境未啟用，或者您正在執行的環境中未安裝 wheel 套件。

修復

在執行任何 Python 程式碼之前，請先啟動 DevKit 環境：

source ~/pyneat/bin/activate

2. GST 外掛程式載入失敗：`undefined symbol: _ZN16simaaidispatcher14DispatcherBase14submitPrepared...`

原因

Neat 執行階段共用函式庫不在動態載入器路徑中，因此 GStreamer 外掛程式無法在載入時解析執行階段符號。

修復

在啟動前，請將執行階段目錄置於 LD_LIBRARY_PATH。

export LD_LIBRARY_PATH=/usr/lib/aarch64-linux-gnu/neat/runtime:$LD_LIBRARY_PATH

3. 缺少模型封存檔 — `sima-cli modelzoo` 尚未執行。

原因

您程式碼中參考的 .tar.gz 模型封存檔（或 SIMA_YOLO_TAR / SIMA_RESNET50_TAR / SIMA_MODEL_TAR）在磁碟上不存在。

修復

請從 Model Zoo 下載。

sima-cli modelzoo get yolo_v8s     # or resnet_50, etc.

建立

4. 無法找到 `find_package(SimaNeat CONFIG)` 封包。

原因

CMake 無法找到 SimaNeatConfig.cmake（已安裝於 lib/cmake/SimaNeat/）。在原生 DevKit 安裝中，它位於預設的系統路徑中；但在 SDK 交叉編譯中，sysroot 並未位於 CMAKE_PREFIX_PATH 中。

修復

匯出 SYSROOT，並讓您的 CMakeLists 將其新增到前置路徑中（您好，這是 Neat 範本。這樣做）：

if(DEFINED ENV{SYSROOT} AND NOT "$ENV{SYSROOT}" STREQUAL "")
  list(APPEND CMAKE_PREFIX_PATH "$ENV{SYSROOT}/usr/lib/aarch64-linux-gnu")
endif()
find_package(SimaNeat REQUIRED CONFIG)

載入模型並進行設定。

5. `failed to read image: <path>`

原因

OpenCV（cv2.imread / cv::imread）傳回 null 值——表示檔案不存在、無法讀取，或不是可解碼的影像。

修復

在建構輸入張量之前，請驗證路徑，並確認該檔案是否為有效的 JPEG/PNG 格式。

6. `reason=topk must be > 0`（來自 `boxdecode`）

原因

偵測模型的 ModelOptions.top_k 參數設定為 0；框檢測階段需要一個正數上限。

修復

設定一個正數 top_k（教學影片中使用 100）：

opt.top_k = 100

（訊息來自 EV74 封包解碼外掛程式。）

7. `preproc_upsample_not_supported`

原因

原始影像的尺寸小於模型的輸入解析度，因此預處理步驟必須進行升頻採樣，但較舊的 EV74 預處理韌體無法執行此操作（它僅支援降頻採樣）。

修復

請提供一張與模型輸入大小相等或更大的原始影像（例如，對於 YOLOv8，至少為 640×640），或者將 neat-ev74-firmware 更新為包含升頻採樣核心的建置版本。（此訊息來自 EV74 預處理外掛程式/韌體。）

8. 低 `score_threshold` → 後處理延遲峰值

原因

檢測閾值越低，通過閾值篩選的候選框數量就越多，而且非最大值抑制 (NMS) 的計算成本會隨著存留的框的數量大致呈平方級數增長。

修復

僅將閾值降低到足以捕捉到弱檢測值的程度，並使用 top_k 來限制最壞的情況。請參閱讀取偵測框。

執行推論。

9. `misconfig.media_caps … Internal data stream error … reason not-negotiated (-4)`

原因

對於原始影像輸入，預處理階段並未啟用，或者輸入類型未聲明，因此無法在應用程式來源 (appsrc) 和第一階段之間進行協商。

修復

在 ModelOptions 中宣告影像輸入和預處理設定：

opt.preprocess.kind = pyneat.InputKind.Image
opt.preprocess.preset = pyneat.NormalizePreset.COCO_YOLO

10. `No channel available (all candidate channel opens failed)`

原因

執行要求無法開啟相容的 EV74 通道。其中一個可能原因是部分更新後，Scheduler、Runner、Kernels 或韌體套件組不相符。

修復

請依照安裝或更新 Neat Library安裝完整 Core 套件組與選定的 Scheduler 相依套件。請檢查執行階段套件配對，而不是比較不同元件的 Git 雜湊值或強制安裝個別韌體套件。

11. `frame=N rtsp_timeout`

原因

RTSP 拉取逾時——URL 錯誤或串流未傳輸影格。

修復

驗證 RTSP URL 是否可連線且正在積極地進行串流；檢查傳輸方式（TCP 或 UDP）。請參閱播放 RTSP 串流。。

12. `Camera buffer is not one forwardable DMA-BUF and copying is disabled`

原因

CameraInputOptions::allow_cpu_fallback 預設為 false，因此 Neat 會直接轉送相機自身的 DMA-BUF，且從不複製。相機堆疊傳遞的影格並非各平面緊密相連的單一 DMA-BUF（例如每個 fd 一個平面，或非 DMA-BUF 記憶體）。

修復

請搭配平台的 libcamera 套件維持嚴格的零複製。如果您必須在無法將每個影格以單一 DMA-BUF 傳遞的相機堆疊上執行，請明確選擇相容性複製：

simaai::neat::CameraInputOptions camera;
camera.allow_cpu_fallback = true;

自適應模式仍然會將 DMA-BUF 交給下游的 CVU/MLA 階段。只有在相機影格並非各平面緊密相連的單一 DMA-BUF 時，才會複製到 CMA DMA-BUF 中。

13. `misconfig.media_caps … libcamerasrc … not-negotiated (-4)`

原因

您所要求的相機設定與相機堆疊能夠產生的模式不符，或者板載疊加層/驅動程式未正確地設定相機。

修復

驗證外部影像是否具有相同的格式、解析度和幀率。 Neat:

devkit$gst-launch-1.0 -e libcamerasrc ! \devkit$  'video/x-raw,format=NV12,width=1920,height=1080,framerate=30/1' ! \devkit$  identity eos-after=30 ! fakesink

如果上述方法無效，請先檢查覆蓋層、纜線、感測器驅動程式或相機模式。使用 Modalix DevKit MIPI 相機介面指南來確認 .dtbo 和 libcamera 的驗證路徑。如果驗證通過，請將其與您的 CameraInputOptions 進行比較。

14. 相機拍攝的畫面呈現出綠色、紫色或過於強烈的色調。

原因

目前的畫面是以錯誤的像素格式或色彩轉換方式進行解讀。最常見的錯誤是將 NV12 格式的相機畫面視為 RGB/BGR 格式的位元組。如果相同的色調在 Neat 之前就已經出現，那麼問題很可能出在相機 ISP 的調整或 libcamera 管線。

修復

請確保相機鏡頭蓋和模型預處理格式保持一致：

請求推薦模型的路徑，格式為 camera.format = "NV12"。
設定 preprocess.color_convert.input_format = PreprocessColorFormat::NV12。
在正式發布版本中，請避免使用 CPU 進行 videoconvert/videoscale；
執行一個簡短的 gst-launch-1.0 libcamerasrc ... ! videoconvert ! jpegenc 僅進行簡單測試，以確認是否已存在著色效果。 Neat.

15. MIPI 攝影機教學中的 `frame=N output_timeout`。

原因

在教學課程的逾時設定結束之前，沒有任何輸出樣本傳送到應用程式。在「相機到模型」的圖中，這可能表示相機沒有傳輸畫面、Caps 協商失敗、模型路徑仍在啟動中，或者下游階段（例如 BoxDecode）沒有產生輸出。

修復

首先驗證僅使用相機的路徑。然後重新執行教學，並設定較長的逾時時間，以及啟用後端輸出：

devkit$python3 share/sima-neat/tutorials/023_run_mipi_camera_model/run_mipi_camera_model.py \devkit$  --model /path/to/model.tar.gz --frames 2 --decode none \devkit$  --pull-timeout-ms 15000 --print-backend

生產流程應包含 libcamerasrc、neatcamerabridge（當啟用回退機制時）、neatkernelrunner、neatprocessmla 和 appsink。對於 BoxDecode 路由，還請確認 --decode 標記和閾值與模型封存檔相符。

16. 圖的處理速度慢，或者即時影格會遺失。

原因

這個圖的處理速度跟不上。常見的原因包括：拉取迴圈無法跟上速度、輸出樣本保留時間過長、在熱門路徑中進行逐幀記錄、佇列策略與來源不符，或即時串流沒有明確的丟棄/新鮮度策略。

修復

使用一個可重複使用的 Run，然後明確說明執行階段原則：

對於需要即時處理且資料時效性至關重要的即時輸入，請使用 RunPreset::Realtime / pyneat.RunPreset.Realtime。
對於需要處理每個輸入檔案的批次或檔案處理，請使用 RunPreset::Reliable / pyneat.RunPreset.Reliable。
當應用程式不應因佇列已滿而停止運作時，請使用 try_push(...)。
將 on_input_drop 設定為依據 stream_id、frame_id、port_name 以及原因來計算丟棄的次數。
持續拉取。如果輸出佇列已滿，可能會影響整個圖的效能。
在推送更多內容之前，先釋放或複製輸出，以防應用程式可能保留由執行階段支援的緩衝區。

對於多串流圖，請保留 stream_id 和 frame_id，並檢查每個串流的輸出計數。彙總的 FPS 可能會掩蓋掉一個資源不足的串流。請參閱執行圖形分析 → 調整輸送量，並確保結果真實可靠。

17. `unknown input/output name`、`no unambiguous default input` 或 `no unambiguous default output`

原因

這個圖有命名的端點，而且應用程式推送或拉取了錯誤的名稱，或者在具有多個可能端點的圖上使用了未命名的 push(...) / pull(...)。

修復

在推送或拉取程式碼之前，請檢查程式碼中的命名是否正確：

run = graph.build()
print("inputs:", run.input_names())
print("outputs:", run.output_names())

然後使用確切的端點名稱：

run.push("image", [tensor])
sample = run.pull("detections", timeout_ms=2000)

Graph("name") 是一個診斷標籤。它不會建立端點。端點來自 nodes.input("name") 和 nodes.output("name")。

18. 在逾時之前，`pull(...)` 不會產生任何輸出。

原因

沒有任何範例在逾時前產生所需的輸出。該圖可能仍在執行中，輸出名稱可能不正確，輸入可能受到回壓，圖可能已關閉，或者可能發生執行階段錯誤。

修復

將逾時、關閉和錯誤事件分開處理。在 C++ 中，請使用結構化拉取超載：

simaai::neat::Sample sample;
simaai::neat::PullError error;

switch (run.pull("detections", /*timeout_ms=*/1000, sample, &error)) {
case simaai::neat::PullStatus::Ok:
  break;
case simaai::neat::PullStatus::Timeout:
  // Keep waiting, push more input, or report timeout.
  break;
case simaai::neat::PullStatus::Closed:
  // End of stream.
  break;
case simaai::neat::PullStatus::Error:
  std::cerr << error.code << ": " << error.message << "\n";
  break;
}

此外，請檢查 run.last_error()、端點名稱、輸入資料類型/佈局/格式，以及您的應用程式是否持續從每個輸出分支提取資料。

19. 舊程式碼片段在執行時，可能會因為以下原因而失敗：`push_timeout_ms`、`pull_or_throw`、根層級的 `input_max_`，或 `boxdecode_original_`。

原因

這段程式碼是針對較舊的選項介面或私人/內部路徑所撰寫。目前的應用程式程式碼應使用公開的 ModelOptions、RunOptions 和 Run API。

修復

請使用目前的公開名稱：

使用 RunOptions.queue_depth、overflow_policy 和 try_push(...) 來處理輸入壓力。
請改用 pull(...) 或結構化的 PullStatus 覆載，取代 pull_or_throw。
如果舊程式碼設定了根層級的 input_max_* 欄位，請將動態輸入限制移至 ModelOptions.preprocess.input_max_width、input_max_height 和 input_max_depth 下，並且僅在您確實需要設定邊界時才進行設定。
對於 BoxDecode 座標映射，請優先使用預處理後的元資料。請勿在新範例中設定已棄用的原始大小欄位。

如果您複製的頁面仍然顯示舊的拼字，請將其視為過時的檔案，並提交一份檔案錯誤報告，以便下一個讀者不會遇到同樣的問題。

張量與 Python 的互通性

20. `… expects a TensorList; pass [tensor] instead of a single Tensor`

原因

一個未經處理的 Tensor（或 Sample）被傳遞給 run / push / build；API 要求提供明確的列表——這是故意的，並非錯誤。

修復

將其包裝：model.run([tensor])、run.push([tensor])、graph.build([tensor])。

21. `image-mode Tensor input requires explicit image format metadata`

原因

一個接受圖像輸入的模型接收到一個沒有像素格式的張量，因此 Neat 無法解析位元組設定。

修復

使用明確的格式建立張量：pyneat.Tensor.from_numpy(arr, image_format=pyneat.PixelFormat.RGB)。

22. `byte_format tensors cannot also specify image_format`

原因

一個張量是透過結合 byte_format=（不透明位元組）和 image_format=（像素）來建構的——這兩者是互斥的。

修復

通過其中一個，但不能同時通過兩個。

來自另一個堆疊。

「我的 .engine / .blob / .dlc / .hef 呢？」— Neat 會載入一個 .tar.gz 模型封存檔；這相當於編譯後的成品。
「我該如何將工作固定到 CUDA 串流／OpenCL 佇列中？」——您不需要這樣做；透過非同步方式將生產者和消費者分開。 push/pull 並調整 RunOptions 相反。
「為什麼吞吐量低於標示的 TOPS？」——通常是由於主機負載、佇列資源不足、輸出反壓或捨棄策略所導致，而非加速器本身的問題。請參閱執行圖。。

當您遇到問題時：診斷。

在猜測之前，請先查看以下內容。

檢查管線/執行（Python 和 C++）：

graph.validate() → 一個 GraphReport — 在您建構之前，會驗證連線是否符合內建的合約。請檢查其 error_code。
graph.describe() → 以文字形式呈現已解析的管線（節點名稱 + 封裝鏈）。
run.input_names() / run.output_names() 指的是在執行階段推送/拉取時所接受的名稱。
run.start_measurement() / MeasureReport → 包含計數器、延遲、輸入串流遙測資料、外掛程式/邊緣節點定時資訊，以及可選的電力資料。
run.json(...) / run.save_json(...) 或 C++ save_run_json(...) → 在樣本移動完成後執行證據收集。
NeatError::report()：當執行過程中發生錯誤時，會提供結構化的錯誤詳細資訊。

收集一份支援資料包。

如果您需要其他開發人員或 SiMa.ai 支援，請提供其他開發人員可以重現問題的證據。請包含：

Neat 版本/建構資訊：Python pyneat.build_info() 或 C++ sima_neat_version()、sima_neat_platform_version() 和 sima_neat_abi_version()；
模型成品名稱、模型路徑，以及其製作方式；
能重現錯誤的最簡短、可執行的程式碼片段；
輸入形狀、資料類型、佈局、像素格式、酬載系列，以及圖是否為應用程式推送或由來源擁有。
來自 run.input_names() 和 run.output_names() 的端點名稱；
GraphReport：來自 graph.validate() 或 NeatError::report() 的 JSON 資料；
在樣本完成執行流程後，執行從 run.save_json(...) 或 C++ save_run_json(...) 匯出 JSON 檔案。
當問題是延遲、吞吐量、封包遺失或功耗時，測量輸出結果。

對於多串流問題，也請納入每個串流的輸入計數、接受計數、輸出計數和丟棄計數。彙總的 FPS 可能會掩蓋其中一個串流出現問題的情況。

當您收集 GraphReport 時，請保留說明發生情況的欄位：

error_code和repro_note；
pipeline_string;
bus;
repro_gst_launch和repro_env；
dot_paths和caps_dump；
當存在邊界探測時，顯示 boundaries / BoundaryFlowStats。
針對已植入的 build(input, ...) 失敗案例進行 build_adaptation。
執行 JSON 匯出，用於記錄執行後計數器和指標。

開啟框架的偵錯輸出，使用 SIMA_DEBUG_PROFILE，這是一個以逗號分隔的元件清單，用於追蹤。使用 all 以追蹤所有元件，或者縮小範圍：

export SIMA_DEBUG_PROFILE=all                 # everything
export SIMA_DEBUG_PROFILE=graph,gst,pipeline  # just these areas

已知的元件：pipeline、graph、gst、appsink、inputstream、tensor。預設情況下未啟用（沒有除錯輸出）。

轉儲 GStreamer 圖，以便視覺化檢查 caps 發生錯誤的位置：

export SIMA_GST_DOT_DIR=/tmp     # writes .dot graphs on build/failure; default: off

錯誤碼

NeatError（以及 GraphReport::error_code/ PullError::code）會回報一個 domain.reason 錯誤碼。框架明確定義了這些錯誤碼——啟用該錯誤碼，然後閱讀訊息以獲取詳細資訊。

程式碼	觸發條件
無法開啟檔案或裝置路徑 `io.open`	— 檔案遺失、權限不足，或缺少核心裝置（例如 `/dev/rpmsg*`）。
`io.parse`	JSON/設定檔解析錯誤——通常是 MPK 合約或各階段設定檔出現問題。
`misconfig.pipeline_shape`	管線的幾何形狀或最終名稱的完整性有誤——例如，匯流點數量不正確、存在迴圈、缺少終端 `Output`，或元素名稱重複。
`misconfig.caps`	在開始串流之前，一個大寫字母覆寫或相鄰節點合約未能通過框架驗證。
`misconfig.media_caps`	在相鄰的媒體階段之間，執行階段 GStreamer 的協商失敗。
`misconfig.input_shape`	輸入的張量違反了模型的規範（秩、空間維度、通道數量）。
`misconfig.runtime_abi_mismatch`	框架/執行階段外掛程式 ABI 不匹配——通常是混合了 `pyneat` 和執行階段成品。
`build.plugin_missing`	缺少必要的 GStreamer 元素或程式碼解碼器外掛程式。
`build.property_invalid`	一個 GStreamer 元素屬性名稱或值無效。
自訂的 GStreamer 片段的語法無效。	`build.pipeline_syntax`
`build.parse_launch`	由於無法更精確地分類，因此無法判斷 `gst_parse_launch` 失敗的原因。
`runtime.pull`	某次拉取操作失敗，但沒有提供更具體的上游/根本原因代碼。
`infra.dispatcher_unavailable`	無法取得 MLA/EV74/A65 訊息分派器——可能是韌體未載入、缺少授權或硬體故障。沒有 CPU 備援機制。

這是一份簡短的疑難排解指南。請針對每個錯誤代碼以及 C++/Python 常數名稱，參考完整的錯誤碼目錄。

安裝與環境設定​

1. pyneat is not importable. Either Neat is not installed, or the venv is not activated.​

2. GST 外掛程式載入失敗：undefined symbol: _ZN16simaaidispatcher14DispatcherBase14submitPrepared...​

3. 缺少模型封存檔 — sima-cli modelzoo 尚未執行。​

建立​

4. 無法找到 find_package(SimaNeat CONFIG) 封包。​

載入模型並進行設定。​

5. failed to read image: <path>​

6. reason=topk must be > 0（來自 boxdecode）​

7. preproc_upsample_not_supported​

8. 低 score_threshold → 後處理延遲峰值​

執行推論。​

9. misconfig.media_caps … Internal data stream error … reason not-negotiated (-4)​

10. No channel available (all candidate channel opens failed)​

11. frame=N rtsp_timeout​

12. Camera buffer is not one forwardable DMA-BUF and copying is disabled​

13. misconfig.media_caps … libcamerasrc … not-negotiated (-4)​

14. 相機拍攝的畫面呈現出綠色、紫色或過於強烈的色調。​

15. MIPI 攝影機教學中的 frame=N output_timeout。​

16. 圖的處理速度慢，或者即時影格會遺失。​

17. unknown input/output name、no unambiguous default input 或 no unambiguous default output​

18. 在逾時之前，pull(...) 不會產生任何輸出。​

19. 舊程式碼片段在執行時，可能會因為以下原因而失敗：push_timeout_ms、pull_or_throw、根層級的 input_max_*，或 boxdecode_original_*。​

張量與 Python 的互通性​

20. … expects a TensorList; pass [tensor] instead of a single Tensor​

21. image-mode Tensor input requires explicit image format metadata​

22. byte_format tensors cannot also specify image_format​

來自另一個堆疊。​

當您遇到問題時：診斷。​

收集一份支援資料包。​

錯誤碼​