你好，tf1.13(openvino是python接口)的问题是我提出来的，当时因为手机端填写反馈的输入框太小了，所以没有写详细，现在想补充一下，希望以后有同学遇到了这个问题可以一起交流一下

问题一:openvino推理的时候(应该是runtime error)报错"Eltwise node with unsupported combination of input and output types"

• 加入以下代码(自定义的mish激活函数)会报错这个错误(但是openvino编译没问题)

  def activation_fn(inputs, name, alpha=0.1):
  if name is activation.MISH:        
      MISH_THRESH = 20.0        # thresh
      tmp = inputs
  
      inputs = tf.where(
                                  tf.math.logical_and(tf.less(inputs, MISH_THRESH), tf.greater(inputs, -MISH_THRESH)),
                                  tf.log(1 + tf.exp(inputs)), 
                                  tf.zeros_like(inputs)
                              )
      inputs = tf.where(tf.less(inputs, -MISH_THRESH), 
                                              tf.exp(inputs), 
                                              inputs)
      # Mish = x*tanh(ln(1+e^x))
      inputs = tmp * tf.tanh(inputs)
      return inputs

• 而当我把mish激活改成这样就不会报错

  # 标准 mish 激活
  inputs = inputs * tf.tanh(tf.log(1+tf.exp(inputs)))

• 前者代码就只是比后者多了一个 tf.where 和几个 tf 的逻辑操作，所以我推断是openvino可能在运行中对这几个操作中的某一个或某几个不支持(暂时还没确定下来)，但是官网那里好像没发现说不支持这个操作
  

  问题二:貌似不能对 tf.contrib.slim 模块进行加速(没影响准确率)

• 我改动了问题一的代码使其能够顺利执行后,发现程序的执行速度并没有提高
• 使用pb模型进行cpu推理的速度大概是0.28fps左右,使用openvino转化后的速度大概是0.37fps左右 ,然而openvino的推理是在我删除了一些操作后的推理速度(抱歉，时间限制，没有严格控制变量)，所以基本上openvino并没有对我的模型进行任何加速,我的推断就只有是 openvino 不支持 tf.contrib.slim 模块的加速
• 如果有同学有这个问题的相关线索，希望能够解答一下，感谢。