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
img = io.imread(img_path)
input_img = torch.from_numpy( np.transpose(img, (2,0,1)) ).contiguous().float()/255.0
我将此模型转换为coreml并导出了一个包含正确尺寸的输入的mlmodel
Image (Color width x height)
但是，我的预测是错误的，因为模型期望0-1和cvpixelbuffer之间的浮点值是0-255之间的整数
我试图像这样对模型中的值进行标准化，
z = x.mul(1.0/255.0) # div op is not supported for export yet
但是，当此操作在coreml级别的模型内完成时，int * float被强制转换为int，并且所有值本质上都是0
导出不支持广播操作，例如x = x.float()
如何确定输入的形状正确以进行预测？本质上，我想采用pixel rgb and float divide 255.0并将其传递给模型进行推理吗？
答案 0 :(得分：0)
我使用coreml onnx掩护程序的preprocessing_args来解决它，
preprocessing_args= {'image_scale' : (1.0/255.0)}
希望这对某人有帮助