Pytorch 如何将pad2d层复制到coremltools转换器中作为火炬
我一直在尝试将pytorch模型转换为coreML格式,但是其中一个层目前不受支持。因此,我试图使用寄存器操作符装饰器Pytorch 如何将pad2d层复制到coremltools转换器中作为火炬,pytorch,coreml,coremltools,Pytorch,Coreml,Coremltools,我一直在尝试将pytorch模型转换为coreML格式,但是其中一个层目前不受支持。因此,我试图使用寄存器操作符装饰器@register\u torch\u op来实现它,以重新实现coremltools.converters的层,但是我很难理解当前能够实现该功能的输入类型。我得到了这个,这是一个从pytorch大致翻译过来的实现,但它不起作用 from coremltools.converters.mil import Builder as mb from coremltools.conver
@register\u torch\u op
来实现它,以重新实现coremltools.converters的层,但是我很难理解当前能够实现该功能的输入类型。我得到了这个,这是一个从pytorch大致翻译过来的实现,但它不起作用
from coremltools.converters.mil import Builder as mb
from coremltools.converters.mil import register_torch_op
from coremltools.converters.mil.frontend.torch.ops import _get_inputs
@register_torch_op
def replication_pad2d(context, node):
inputs = _get_inputs(context, node)
x = inputs[0]
a = len(x)
L_list, R_list = [], []
U_list, D_list = [], []
for i in range(a):#i:0, 1
l = x[:, :, :, (a-i):(a-i+1)]
L_list.append(l)
r = x[:, :, :, (i-a-1):(i-a)]
R_list.append(r)
L_list.append(x)
x = mb.concat(L_list+R_list[::-1], axis=3, name=node.name)
for i in range(a):
u = x[:, :, (a-i):(a-i+1), :]
U_list.append(u)
d = x[:, :, (i-a-1):(i-a), :]
D_list.append(d)
U_list.append(x)
x = mb.concat(U_list+D_list[::-1], axis=3, name=node.name)
context.add(x)
但是得到以下错误
<ipython-input-12-cf14ed84cb93> in replication_pad2d(context, node)
59 inputs = _get_inputs(context, node)
60 x = inputs[0]
---> 61 a = len(x)
62 L_list, R_list = [], []
63 U_list, D_list = [], []
TypeError: object of type 'Var' has no len()
复制中的_pad2d(上下文,节点)
59输入=_获取_输入(上下文,节点)
60 x=输入[0]
--->61 a=len(x)
62 L_列表,R_列表=[],[]
63 U_列表,D_列表=[],[]
TypeError:类型为“Var”的对象没有len()
如果有人能帮助我更好地理解这一点就太好了,尤其是输入类型节点和上下文我认为您可以将现有的填充层用作:
from coremltools.converters.mil import Builder as mb
from coremltools.converters.mil import register_torch_op
from coremltools.converters.mil.frontend.torch.ops import _get_inputs
@register_torch_op(torch_alias=["replication_pad2d"])
def HackedReplication_pad2d(context, node):
inputs = _get_inputs(context, node)
x = inputs[0]
pad = inputs[1].val
x_pad = mb.pad(x=x, pad=[pad[2], pad[3], pad[0], pad[1]], mode='replicate')
context.add(x_pad, node.name)
填充操作的文档不是很好,因此填充参数的排序是一个猜测游戏。这些内容基本上没有文档记录,我担心您必须仔细阅读coremltools源代码才能理解这一点。然而,我担心您当前的方法无论如何都不会起作用:据我所知,所有操作都需要使用
mb
表示。但是您正在构建一个Python列表来捕获中间结果。Builder
对象将永远看不到这一点。你不必写像l=x[:,:,:,(a-i):(a-i+1)]
这样的东西,你必须使用像mb.split()
这样的东西。(我自己还没有详细使用过这个,所以我可能会弄错一些。)然而,Core ML在其现有的填充层中确实有一个PaddingReplication
模式。也许更简单的解决方案是“破解”coremltools以支持这种模式。