Python pytorch模型的Coreml模型浮点输入

我有一个pytorch模型，它采用

3xwidthxheight

图像作为输入，像素值在

0-1

例如，Pytork中的输入

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mlmodel，它以正确的尺寸获取输入

Image (Color width x height)

但是，我的预测是错误的，因为模型期望浮点值介于

0-1

之间，而cvpixelbuffer是介于

0-255

我试着像这样规范化模型中的值

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

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

然而，当该操作在coreml级别的模型内部完成时，

int*float

被转换为

int

，并且所有值基本上都是

0

导出时不支持Cast op，例如

x=x.float（）

---

我如何确保我的输入正确地用于预测？本质上，我想取

像素rgb和浮点除法255.0，并将其传递给模型进行推断
 我用coreml onnx转换器的预处理参数解决了这个问题

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

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

希望这对其他人有所帮助
您能为您的问题提供更多代码吗？为什么“演员表演”不受支持？这似乎很奇怪。