核心ML模型转换失败，“无法推断输入名称和维度”

Question

我正在尝试使用Places205 - GoogLeNet制作核心ML模型，如Apple here所述。

我不想使用Apple的现成模型，所以我从这个链接获得了原始模型：https://developer.apple.com/machine-learning/model-details/Places205-GoogLeNet.txt

根据Apple的WWDC会话，我们可以使用Coremltools转换该模型。在他们的会话中，我们不知道他们使用哪个IDE进行Python编码，但目前我正在使用Pycharm进行Python编码。

使用模型的链接，我们可以得到两件事.caffemodel和.prototext。我尝试使用coremltools转换它们并收到以下错误：

RuntimeError: Unable to infer input name and dimensions. Please provide a .prototxt file with 'Input' layer and dimensions defined.

因此，如果Apple的模型没有转换，那么我们怎么说其他开源模型会起作用呢？

您可以在附加的屏幕截图中看到我的代码库。

如何修复此错误？

Answer 1

看起来Matthijs上面的评论解决了你的核心问题，但我可以为未来与其他模特遇到此问题的人进行扩展。

使用Apple的coremltools将Caffe模型转换为.mlmodel文件时，Apple的转换器同时包含二进制.caffemodel（包含模型结构和权重），以及基于文本的.prototxt模型描述（可能比.caffemodel有更多的上下文）。

通常，经过培训的Caffe模型会有几个不同的.prototxt文件（deploy.prototxt，solver.prototxt，train.prototxt），您通常希望使用{{1} （或类似名称的原型）。

即使你这样做，你仍然可能会遇到关于coremltools的错误，而且＃34;无法推断输入名称和尺寸＆＃34;。 Caffe模型没有明确要求说明模型将接受的输入维度，因此coremltools试图从几个不同的来源推断出。如果缺少这些来源，您可能需要自己将它们编辑到.prototxt中。

在上面链接的deploy.prototxt中，此输入大小由文件顶部的以下代码指定：

deploy_places205.protxt

但您也可以在其中一个.prototxt说明中看到以下内容：

input: "data"
input_dim: 10
input_dim: 3
input_dim: 224
input_dim: 224

如果您的输入中缺少.prototxt文件，则可以在文件中的第一个input: "data" input_shape { dim: 1 dim: 3 dim: 227 dim: 227 } 实例之前添加上述任一项。尺寸依次为：批量大小（Core ML忽略），颜色通道，图像宽度，图像高度。您可以调整这些以匹配网络所需的内容。

您可能还需要验证＆＃34;数据＆＃34;是模型使用的输入图层，因此请查找第一个layer {实例并检查其中是否显示layer {。如果图层名称不同，您可能需要在那里或在数据层名称中进行更改。

您可能还需要在coremltools转换器中设置数据层名称，以确保它选择正确的名称。作为参考，这里是我用来转换这样的模型的小Python脚本：

bottom: "data"