调用nb格式模型时候报错：Segmentation fault (core dumped)

[Sun-k0903]

为使您的问题得到快速解决，在建立 Issue 前，请您先通过如下方式搜索是否有相似问题: 历史 issue, FAQ 文档, 官方文档

建立 issue 时，为快速解决问题，请您根据使用情况给出如下信息：

• 标题：简洁、精准描述您的问题，例如“ssd 模型转换报错”
• 版本、环境信息：
     1）Paddle Lite 版本：2.13rc0
     2）Host 环境：Ubuntu 20.04
• 模型信息
     1）模型名称：利用ultralytics提供的yolov8模型转换为onnx格式，然后再将onnx转为nb格式
  2）模型链接
• 复现信息：调用脚本如下：
  from paddlelite.lite import *
  import numpy as np
  from PIL import Image

(1) 设置配置信息

config = MobileConfig()
config.set_model_from_file("/mnt/d/Python_project/test/onnx_nb/opt.nb")

(2) 创建预测器

predictor = create_paddle_predictor(config)

(3) 从图片读入数据

image = Image.open('/mnt/d/Python_project/test/seg_cert/test.jpg')
resized_image = image.resize((640, 640), Image.BILINEAR)
image_data = np.array(resized_image).transpose(2, 0, 1).reshape(1, 3, 640, 640)

(4) 设置输入数据

input_tensor = predictor.get_input(0)
input_tensor.from_numpy(image_data.astype("float32"))

(5) 执行预测

predictor.run()

(6) 得到输出数据

output_tensor = predictor.get_output(0)
print(output_tensor.shape())
print(output_tensor.numpy())
log.txt

[hong19860320]

1. 基于带 log 的库，执行前 export GLOG_v=5 ，执行时通过 >log.txt 2>&1 把log 保存到文件后再上传上来。
2. 先用 https://netron.app/ 确认原始的 paddle 推理模型的输入、输出个数和 shape，调整你的测试代码，如果仍有问题，把原始的 paddle 推理模型上传一下。
3. 如果2确认没问题，可以尝试自行编译 paddle lite 最新 develop 分支代码，具体可以参考文档 https://www.paddlepaddle.org.cn/lite/v2.12/source_compile/linux_x86_compile_linux_x86.html ，顺便提醒一下，Paddle Lite 主要是面向移动端 arm cpu 的推理，x86 cpu 推理建议使用 Paddle Inference https://www.paddlepaddle.org.cn/inference/v2.6/guides/introduction/index_intro.html