用户您好，请详细描述您所遇到的问题：
- 系统软件版本： x3_ubuntu_v1.1.4
- 问题描述：根据parking_perception案例修改二阶段ocr模型（多branch输出，例如ocr模型输出3个分支对应颜色，车牌号，是否是车牌）出现问题
- 具体情况如：
修改代码如下：
1、
具体报错如下：
运行报错的ctrl param提示信息不用关注，dnn node内部会自适应。
你的场景是不是这样：
模型一输入是图片，输出是检测出来车牌（检测框、颜色等）；
模型二输入是图片+车牌检测框，输出是车牌号。-
对于模型二，有两种方法进行推理，可以传入图片+roi进行推理（roi infer type，效率更高），也可以自己抠出来车牌图片后使用这个抠图进行推理（model infer type），不过需要和模型转换时的模型类型对应起来。
以roi infer进行说明。
参数配置：指定task type为roi infer type。
推理前处理：直接将图片和所有roi送给推理接口，同时将车牌的信息添加到dnn output中（dnn sample中只添加了时间戳），用于表示推理结果（识别出来的车牌号）对应的车牌。-
推理后处理（解析模型输出）：参考sample，解析DnnNodeOutput中的std::vector<std::shared_ptr> output_tensors成员，如果模型输出branch为1，则只要解析output_tensors[0]，所有的roi对应的推理结果都在这里面，通过地址偏移解析多个roi对应结果。
DNNInferCtrlParam param; //初始化默认构造都是0
// 中间是不是改过下面的参数，将之设置为2了？
param.bpuCoreId = 0;
双核模型，给到core id应该为0
InferType只是模型输入数据类型有区别，branch表示的是输出，二者没有关联。
你这边报错时没有设置SetOutputParser，每个输出都要设置。
我查看给的教材案例，ModelTaskType 都是ModelTaskType::ModelInferTypre, 现在我的ocr模型是属于ModelTaskType::ModelRoiInferType,是不是多branch的不支持ModelRoiInferType？
这样么
结果还是一样啊，报错
什么意思
没有啊，我都没设置这个参数
用hobot dnn sample中的方法能不能解决呢，我现在是不知道下游模型的多个roi怎么通过直接获取模型输入来解析，在代码中打印node_output->output_tensors的维度是模型的branch数，不是对应的roi数量，这个有解决办法么
之前提过多branch模型部署代码出现的问题，直接使用dnn_node_example中parse的方法进行了规避处理，在单路的情况下没有问题，但是在多路的时候性能上会出现问题，fps浮动过大，对比同一模型使用SingleBranchOutputParser和直接使用parse,在单node多路推理中，SingleBranchOutputParser不会出现问题，所以重新使用MultiBranchOutputParser处理下游多branch模型，遇到如下问题，请问有什么办法能处理么
不是，是你注释掉的1. helper部分，single branch是指定每个输出通道的解析方法，每个通道必须要指定。multi branch指定某个通道以及其依赖的通道输出。
branch的用法非常灵活，例如可以每个通道指定空解析方法，multi brach指定依赖所有通道，这样就能在multi branch的解析方法中拿到所有通道的输出进行解析了。
这个意思是我需要用的是single branch?不是multi branch？但是single branch parse方法中输入的不是std::vector<std::<shared_ptr>>,具体是怎么写这块，能请教一下么：
// 1. single branch helper-
for (int i = 0; i < model_output_count_; ++i) {-
std::shared_ptr kps_out_parser =-
std::make_shared<PlateOcrOutputParser>();-
model_manage->SetOutputParser(i, kps_out_parser);-
}-
// 2. set multi branch paser-
auto seg_output_desc = std::make_shared<OutputDescription>(-
model_manage, model_output_count_, “ocr_branch”);-
for (int i = 0; i < model_output_count_; ++i) {-
seg_output_desc->GetDependencies().push_back(i);-
}-
seg_output_desc->SetType(“ocr”);-
model_manage->SetOutputDescription(seg_output_desc);-
// auto OcrParser = std::make_shared();-
// std::shared_ptr ocr_out_parser =-
// std::dynamic_pointer_cast(OcrParser);-
// model_manage->SetOutputParser(output_index_, ocr_out_parser);-
for (int i = 0; i < model_output_count_; ++i) {-
std::shared_ptr kps_out_parser =-
std::make_shared<PlateOcrOutputParser>();-
model_manage->SetOutputParser(i, kps_out_parser);-
}
尝试了还是之前的[EasyDNN]parser is null pointer的报错，能否请教一下是哪里的问题：
你好，我尝试了你说的hobot dnn sample，在单图片输入的时候没有问题，但是我现在的场景是二阶段oc模型，就是上游检测模型会检测出很多的车牌框roi输入二阶段ocr，但是我看到postprocess parser中解析的时候好像是单图片解析的，怎么样才能做到循环的解析输入的多个车牌框的信息呢？
可以关注一下用户层的这块代码，看看里面是不是设置了
task->SetCtrlParam(DNNInferCtrlParam &ctrl_param);
这块代码我这里没有设置，我设置的如下：
有的。使用这个接口，获取一个二维的vector-
/**-
* Get all output tensors,-
* @param[out] output_tensors, the size equal to roi count and-
* each element’s size is model output count-
* @return 0 if success, return defined error code otherwise-
*/-
virtual int32_t GetOutputTensors(-
std::vector<std::vector<std::shared_ptr<DNNTensor>>> &output_tensors) = 0;-
这个接口获取的是一维vector，大小是branch数量，因为bpu是多个roi batch推理，所以，每一个branch的输出tensor大小都*roi_num-
/**-
* Get all output tensors, batch layout-
* @param[out] output_tensors, the size equal to model output count-
* @return 0 if success, return defined error code otherwise-
*/-
virtual int32_t GetOutputTensors(-
std::vector<std::shared_ptr<DNNTensor>> &output_tensors) = 0;