在第一个设置中,我使用一个真实的图像作为ONNX导出的输入。但是在官方的中,他们说我可以使用虚拟输入,它的大小应该与模型期望输入的大小相同。所以我创造了一个形状相同但随机值的张量。但是,第二个设置在与ONNX运行时进行推断之后,并没有交付所需的结果。下面可以找到代码和示例性输出。设置1
model = torchvision.models.detection.fasterrcnn_resnet50_fpn(pretrained = T
直接添加到setup.py文件中的“REQUIRED_PACKAGES”列表中,以便将PyTorch + torchvision作为部署时要安装的依赖项。cpu-cp37-cp37m-linux_x86_64.whl about 46 of )并将其存储在GKS.上,该压缩预测器模型文件(.tar.gz格式)是setup.py (5kb )的输出。)If you continue to experience errors, please contact support.**
My的发现:
在我的pytorch代码中,我有以下带有损失的字典输出: errors = {0: tensor(64.4072, device='cuda:0'), 1: tensor(58.2704, deviceoutfile.write(json_object) 然而,我得到了下面的错误: TypeError: Object of type Tensor is not JSON serializable 如何转换张量使其在Pytorch中是json可序列化的