我们已使用https://pytorch.org/tutorials/advanced/ONNXLive.html将pytorch模型转换为CoreML。在将图像输入CoreML模型之前，我们已经将图像调整为必要的规格。尽管如此，CoreML模型的输出仍会与pytorch模型产生不同（且不正确）的结果。
我们的机器学习模型用于识别图像中的特定对象。 在将图像发送到我们的模型之前，我们将其切成一个UIImage数组。使用for循环，我们在将每个图像发送到模型之前调整数组中每个图像的大小。该模型接受UIImage作为输入，并返回结果的整数0（未检测到对象）或1（检测到对象）。如果返回结果为1，则在数组中突出显示该特定图像。在for循环结束之后，我们合并数组元素以形成一个新的UIImage，其部分区域突出显示（指示包含该对象的位置）。
该模型在pytorch中可以正常工作，但是在将其转换为CoreML并与Swift结合使用后，我们遇到了一个问题，该问题使得该模型从输出为“ 1”的数组中识别出大多数图像（例如，如果我们将图像切成400个较小的部分，并将每个部分传递给模型，400个结果中的356个为“ 1”。）
我们怀疑此失败的原因是，在将输入图像发送到模型之前，我们没有对输入图像的每个像素值进行归一化。 使用CoreML时是否有必要对UIImage进行规范化，如果是这样，我们应该如何解决？