# 常见问题

# 1、UnknownHostException

java.net.UnknownHostException: resources.djl.ai

检查网络是否有问题，如果未手动指定模型路径，需要联网使用

# 2、windows系统 seetafece6模型 Can't find dependent libraries

java.lang.UnsatisfiedLinkError: C:\smartjavaai-cache\seetaface6\tennis.dll: Can't find dependent libraries

可能原因：

一般是因为电脑依赖库缺失，需要安装依赖库，可以点击安装运行库合集 (opens new window)

如果安装依赖库后还是不可以运行，请更换其他系统

# 3、windows使用gpu报错：Can't find dependent libraries

Caused by: java.lang.UnsatisfiedLinkError: D:\Software\.djl.ai\pytorch\2.4.0-cu124-win-x86_64\torch_cuda.dll: Can't find dependent libraries

该问题通常是由于环境变量 PATH 配置不当所导致

# 解决方法：

查看GPU使用指南

# 4、报错：找不到GLIBCXX_3.4.xxx

Caused by: java.lang.UnsatisfiedLinkError: /root/smartjavaai_cache/pytorch/2.5.1-cpu-linux-x86_64/libc10.so: /lib64/libstdc++.so.6: version `GLIBCXX_3.4.20' not found (required by /root/smartjavaai_cache/pytorch/2.5.1-cpu-linux-x86_64/libc10.so)

报错原因：因为linux系统版本过低，需要更新系统或者安装GLIBCXX_3.4.20依赖库，常见于centos7系统，推荐使用 centos stream 9 或者ubuntu22，或者使用docker

# 5、打包后运行jar包，报错：ModelZoo not found in classpath: ai.djl.pytorch

Exception in thread "main" java.lang.IllegalArgumentException: ModelZoo not found in classpath: ai.djl.pytorch

报错原因：由于普通打包方式会导致文件丢失

解决方法：使用maven shade插件打包，mainClass需替换为你的mainClass

<build>
  <plugins>
    <plugin>
      <groupId>org.apache.maven.plugins</groupId>
      <artifactId>maven-shade-plugin</artifactId>
      <version>3.5.0</version>
      <executions>
        <execution>
          <phase>package</phase>
          <goals><goal>shade</goal></goals>
          <configuration>
            <createDependencyReducedPom>false</createDependencyReducedPom>
            <transformers>
              <transformer implementation="org.apache.maven.plugins.shade.resource.ServicesResourceTransformer"/>
              <transformer implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
                <mainClass>${exec.mainClass}</mainClass>
              </transformer>
            </transformers>
          </configuration>
        </execution>
      </executions>
    </plugin>
  </plugins>
</build>

# 6、日志jar冲突

SmartJavaAI 项目中默认引入了 slf4j-simple 作为日志实现。如果你的项目中已经使用了其他日志框架（如 logback-classic 或 log4j 等），则可能会出现 SLF4J 绑定冲突的错误提示

解决方案：建议在你的项目中排除 SmartJavaAI 模块中默认引入的 slf4j-simple

<exclusions>
  <exclusion>
    <groupId>org.slf4j</groupId>
    <artifactId>slf4j-simple</artifactId>
  </exclusion>
</exclusions>

# 7、为什么首次运行会比较慢？

由于 DJL 在使用 PyTorch 模型时会进行一次性的“预热”过程（JIT 图优化），首次执行推理时会稍慢。该过程会根据输入自动构建优化后的执行图，从而显著提升后续推理性能。

DJL官方介绍 (opens new window)

# 8、Can't load library: libwinpthread-1.dll

报错详情：

java.lang.UnsatisfiedLinkError: Can't load library: C:\Users\Administrator\smartjavaai_cache\tokenizers\0.21.0-0.32.0-cpu-win-x86_64\libwinpthread-1.dll

# 问题原因：

虽然你没有使用显卡，但 DJL 代码中会调用 CudaUtils.getComputeCapability(0) 来获取显卡的计算能力。如果显卡是 8.6，DJL 就会把 Hugging Face Transformers 依赖库解压到：

0.21.0-0.32.0-cpu-win-x86_64/86/

但运行时有时会从：

0.21.0-0.32.0-cpu-win-x86_64/

目录下查找依赖，导致报错。

# 解决方法：

把 86 文件夹里的所有 .dll 文件复制到它的上级目录（即 0.21.0-0.32.0-cpu-win-x86_64/）。 注意不要删除原来的 86 文件夹，以防后续仍需要用到。

# 9、failed finding central directory

ai.djl.engine.EngineException: PytorchStreamReader failed reading zip archive: failed finding central directory

问题原因：模型文件不完整或者损坏

解决方法：删除模型文件重新下载

# 10、failed reading zip archive: failed finding central directory

ai.djl.engine.EngineException: PytorchStreamReader failed reading zip archive: failed finding central directory

问题原因：模型文件不完整或者损坏

解决方法：删除模型文件重新下载

# 11、使用JDK8报错：java.lang.UnsatisfiedLinkError: onnxruntime-java740134882759498850\onnxruntime.dll:我不到指定的程序。

java.lang.UnsatisfiedLinkError: C:\users\Administrator\AppData\Local\Temp\onnxruntime-java740134882759498850\onnxruntime.dll:我不到指定的程序。

问题原因：部分模型使用的引擎是：onnxruntime，程序运行时自动从jar包中将依赖库解压到缓存目录，但由于部分JDK8版本的问题导致，没有成功解压到缓存目录

解决方案：首先检查报错的目录下是否有提示的文件存在，如果不存在，可以升级到最新的JDK8版本推荐 JDK1.8.0_401及以上版本

# 12、为什么缓存目录存在很多以onnxruntime-java开头的文件夹？

问题原因：部分模型使用的是 ONNX Runtime 引擎，程序在每次运行时，都会在缓存目录下创建一个新的临时文件夹，并将 ONNXRuntime 的依赖库从 JAR 包中解压到该目录中，最终导致生成多个以 onnxruntime-java 开头的文件夹，造成缓存堆积。

解决方案：调用模型前，加入如下代码，代码中的路径改为自己的缓存目录，并将onnxruntime的依赖库移动到该目录下

System.setProperty("onnxruntime.native.path", "C:\\Users\\xxx\\smartjavaai_cache\\onnxruntime");

# 13、example 使用jdk8运行报错：警告: 源发行版 11 需要目标发行版 11

解决方案：修改pom文件中的maven.compiler.source和maven.compiler.target属性为8

<properties>
    <maven.compiler.source>11</maven.compiler.source>
    <maven.compiler.target>11</maven.compiler.target>
</properties>

# 14、Failed to download pyTorch native library

问题原因：程序将自动下载深度学习引擎依赖库，有时网络不太好，所以导致下载失败

解决方法：请使用离线依赖库，具体请参考离线依赖库

# 15、java.lang.IllegalArgumentException: 特征向量长度不一致: 1024 vs 512

问题原因：因为有的模型提取人脸的特征长度是512，有的模型是1024，如果使用不同模型提取特征，就有可能导致特征向量长度不一致，所以如果报上诉错误，很大可能是人脸注册使用了不同模型的特征向量，也有可能是人脸注册和人脸查询使用的模型不一致

解决方法：人脸识别全流程中使用相同人脸识别模型

# 16、Caused by: java.lang.IllegalStateException: Pool not open

问题原因：将模型放在try括号中，使用完将自动关闭pool，但是在try括号外再次使用model对象，就会导致pool被关闭，从而导致后续使用model对象报错

try (FaceDetModel faceModel = FaceDetModelFactory.getInstance().getModel()) {
...
}

解决方法：不要使用try with resource语法，直接将model对象放在try括号外使用即可，确定以后不再使用模型，可以手动调用close()

← GPU 使用指南更新日志 →