pytorch模型的Coreml模型浮點輸入

Question

我有一個pytorch模型，將3 x width x height圖像作為輸入，並將像素值標准化為0-1

例如，在pytorch中輸入

img = io.imread(img_path)
input_img =  torch.from_numpy( np.transpose(img, (2,0,1)) ).contiguous().float()/255.0

我將此模型轉換為coreml並導出了一個mlmodel，該模型接受了正確尺寸的輸入

Image (Color width x height)

但是，我的預測是不正確的，因為模型期望浮點值介於0-1和cvpixelbuffer之間是介於0-255之間的整數

我試圖像這樣規范化模型內部的值，

z = x.mul(1.0/255.0) # div op is not supported for export yet

但是，當此操作在coreml級別的模型內部完成時，將int * float強制轉換為int並且所有值基本上都是0

投射操作不受導出支持，例如x = x.float()

如何確定輸入的形狀正確以進行預測？ 本質上，我想將pixel rgb and float divide 255.0並將其傳遞給模型進行推理？

Answer 1

我使用coreml onnx掩蓋程序的preprocessing_args解決了它，

preprocessing_args= {'image_scale' : (1.0/255.0)}

希望這可以幫助某人