编译出现 subprocess.check_call failed

温馨提示：根据社区不完全统计，按照模板提问，可以加快回复和解决问题的速度

环境

• 【FastDeploy版本】： 说明具体的版本，如fastdeploy-linux-gpu-0.8.0
• 【编译命令】如果您是自行编译的FastDeploy，请说明您的编译方式（参数命令）
  export WITH_KUNLUNXIN=ON
  export WITH_GPU=OFF
  export ENABLE_ORT_BACKEND=OFF
  export ENABLE_PADDLE_BACKEND=OFF # 这里需要关闭PADDLE_BACKEND, 不然FD会依赖PaddlePaddle
  export ENABLE_VISION=OFF
  export PADDLELITE_URL=http://bjdd-isa-ai-chip1.bjdd:8020/pdl-0510-3.tgz
  #export PADDLELITE_URL=http://bjdd-isa-ai-chip1.bjdd:8018/lite0426-sw.tgz
  export PATH=/opt/compiler/gcc-8.2/bin:$PATH

python setup.py build

• 【系统平台】: Linux x64(Ubuntu 18.04) / Windows x64(Windows10) / Mac OSX arm(12.0) / Mac OSX intel(12.0)
• 【硬件】： 说明具体硬件型号，如 Nvidia GPU 3080TI， CUDA 11.2 CUDNN 8.3
• 【编译语言】： C++ / Python(3.7或3.8等）

问题日志及出现问题的操作流程

• 附上详细的问题日志有助于快速定位分析
• 【模型跑不通】
• • 先执行examples下的部署示例，包括使用examples提供的模型，确认是否可以正确执行
• • 如若examples下的代码可以运行，但自己的模型，或自己的代码不能运行
• • • 提供复现问题的 代码+模型+错误log，供工程师快速定位问题
• 【模型精度问题】
• • 先执行examples下的部署示例，包括使用examples提供的模型，确认是否可以正确执行
• • 如若examples下的代码可以运行，但自己的模型，或自己的代码不能运行
• • • 提供复现问题的 代码+模型+错误log，供工程师快速定位问题
• 【性能问题】描述清楚对比的方式
• • 注意性能测试，循环跑N次，取后80%的用时平均（模型启动时，刚开始受限于资源分配，速度会较慢）
• • FastDeploy的Predict包含模型本身之外的数据前后处理用时
• • • 提供复现问题的 代码+模型+错误log，供工程师快速定位问题

Start with the reported python setup.py build command and the listed environment variables, especially WITH_KUNLUNXIN and the backend options. No source file, test, complete error log, platform details, or reproducible failure is provided, so the first step is to obtain those details before defining what done means.