我们使用 .NET 5 编写了一个 x-plat 工作服务，该服务在 Raspberry PI 4（Raspberry Pi OS）上运行。 我们已经在 customvision.ai 上训练了一个自定义视觉对象检测模型，将其导出到 ONNX，并且在 Windows 上运行良好。 我们现在正在努力 ...
我有一个转换为 coreML 的 pytorch 二进制分类模型。 我使用以下教程/文档分别通过 onnx 直接和间接转换了我的模型https://coremltools.readme.io/docs/pytorch-conversion和https://github.com/onnx/onnx-d ...
我正在尝试运行 ONNX 模型 这打印出来 如何让它在我的 GPU 上运行？ 我如何确认它正在工作？ ...
将 yolov4 或 yolov5 model 转换为 coreml 的典型过程是什么？ 我看到像 Pytorch 到 Onnx 到 CoreML 这样的东西。 我正在使用 turicreate 并卡在 yolov2 土地上。 有没有人在 v4 或 v5 上试过这个？ ...
我正在尝试将自定义 sklearn 管道保存为 onnx model，但在此过程中出现错误。 示例代码： 简单的转换很顺利： 但是管道转换失败： 出现以下错误： 我是否缺少自定义管道和get_dummies的某些内容？ ...
我已将 YOLACT pytorch model 转换为 onnx，没有 softmax 和先验层。 然后我尝试将 onnx 转换为 coreml。 终端显示它没有错误地完成。 它还显示 model 编译完成，并且没有错误如下。 210/211: Converting Node Type Conca ...
我在 PyTorch 中有一个 seq2seq model 我想用 CoreML 运行。 将 model 导出到 ONNX 时，输入维度固定为导出期间使用的张量的形状，并再次从 ONNX 转换为 CoreML。import torch from onnx_coreml import convert ...
我使用 PyTorch 训练了一个 YOLOv3-SPP 模型。 然后我将模型保存为 onnx 格式，然后使用 onnx-coreml 将我的 onnx 模型转换为 CoreML。 我似乎无法弄清楚如何使用我的模型，因为输出是 MLMultiArrays。 这是我的输出的样子： 我是机器学习 ...
我已将我的 dar.net YOLOv3-SPP model 转换为 PyTorch.pt model。然后我将 .pt 转换为 a.onnx。 我的最终目标是获得 CoreML model。我尝试使用这个GitHub 存储库。 但是，在转换我的 model 时，出现这样的错误... 我正在使用的脚 ...
我要转换的模型： https : //github.com/ultralytics/yolov3 我正在尝试将此pytorch yolov3模型转换为coreML，为此，我使用了ONNX，该模型用于将模型从一个平台转换为另一个平台。 它正在转换模型，当我在xcode中运行它时，我可以看到 ...
我已经在PyTorch中培训了一个VAE，我需要将其转换为CoreML。 从此线程PyTorch VAE无法转换为onnx，我能够导出ONNX模型，但是，这只是将问题推到了ONNX-CoreML阶段。 包含torch.randn()调用的原始函数是重新参数化功能： 解决方案当然是 ...
我有一个pytorch模型，将3 x width x height图像作为输入，并将像素值标准化为0-1 例如，在pytorch中输入 我将此模型转换为coreml并导出了一个mlmodel，该模型接受了正确尺寸的输入 但是，我的预测是不正确的，因为模型期望浮点值介于0-1 ...
我有一个coremlmodel输入形状为MultiArray (Float32 67 x 256 x 320)的图形，我很难调整此模型的输入形状。 目前，我正在努力实现这一目标， 稍后，我将不得不用该大小的矩阵替换兰特。 我首先将此用于测试目的。 我们将不胜感激有关如何使输入模 ...