华为计算微信公众号
昇腾AI开发者公众号
华为计算微博
华为计算今日头条
我在atlas 200i DK A2上将mindspore模型导出的AIR转换为om文件之后进行推理，发现和导出onnx推理的结果相差较大，想查看tensor的数值，有什么办法吗，另外我这个代码是否会使tensor掉精度
# 加载模型 model = base.model(modelPath=args.model_path, deviceId=args.device_id) for image_filename in input_images: # 构建输入图像的完整路径 input_image_path = os.path.join(args.input_folder, image_filename) # 读取输入图像 img = cv2.imread(input_image_path) # 进行预处理 #img_crop = img[0:args.img_size, 0:args.img_size] img_crop = cv2.resize(img, (args.img_size, args.img_size)) img2 = np.expand_dims(img_crop, axis=0) mean = [0.5 * 255] * 3 std = [0.5 * 255] * 3 img2 = (img2 - np.array(mean)[np.newaxis, np.newaxis, np.newaxis, :]) / np.array(std)[np.newaxis, np.newaxis, np.newaxis, :] img2 = np.float32(img2) img2 = img2.transpose([0, 3, 1, 2]) # HWC2CHW img2 = np.ascontiguousarray(img2) print(img2[0][0]) # 将预处理后的图像数据包装成MindX SDK的Tensor对象 img2 = Tensor(img2) img2.to_device(0) img2.to_host() img2 = np.array(img2) print(img2[0][0]) # 进行推理 output = model.infer(img2) # 后处理 result = output[0] result.to_host() print("result:", output[0].shape) result_array = np.array(result) print(result_array.shape) mean = 0.5 * 255 std = 0.5 * 255 #image = result_array[0].astype(np.uint8).transpose((1,2,0)) image = (result_array[0] * std + mean).astype(np.uint8).transpose((1, 2, 0)) # 构建输出图像的完整路径 output_image_path = os.path.join(args.output_folder, image_filename) # 保存结果图像 PIL_image = mgz.fromarray(image) PIL_image.save(output_image_path)
我要发帖子
点赞
收藏
回复
分享
举报
已解决 已解决
我在atlas 200i DK A2上将mindspore模型导出的AIR转换为om文件之后进行推理，发现和导出onnx推理的结果相差较大，想查看tensor的数值，有什么办法吗，另外我这个代码是否会使tensor掉精度
# 加载模型 model = base.model(modelPath=args.model_path, deviceId=args.device_id) for image_filename in input_images: # 构建输入图像的完整路径 input_image_path = os.path.join(args.input_folder, image_filename) # 读取输入图像 img = cv2.imread(input_image_path) # 进行预处理 #img_crop = img[0:args.img_size, 0:args.img_size] img_crop = cv2.resize(img, (args.img_size, args.img_size)) img2 = np.expand_dims(img_crop, axis=0) mean = [0.5 * 255] * 3 std = [0.5 * 255] * 3 img2 = (img2 - np.array(mean)[np.newaxis, np.newaxis, np.newaxis, :]) / np.array(std)[np.newaxis, np.newaxis, np.newaxis, :] img2 = np.float32(img2) img2 = img2.transpose([0, 3, 1, 2]) # HWC2CHW img2 = np.ascontiguousarray(img2) print(img2[0][0]) # 将预处理后的图像数据包装成MindX SDK的Tensor对象 img2 = Tensor(img2) img2.to_device(0) img2.to_host() img2 = np.array(img2) print(img2[0][0]) # 进行推理 output = model.infer(img2) # 后处理 result = output[0] result.to_host() print("result:", output[0].shape) result_array = np.array(result) print(result_array.shape) mean = 0.5 * 255 std = 0.5 * 255 #image = result_array[0].astype(np.uint8).transpose((1,2,0)) image = (result_array[0] * std + mean).astype(np.uint8).transpose((1, 2, 0)) # 构建输出图像的完整路径 output_image_path = os.path.join(args.output_folder, image_filename) # 保存结果图像 PIL_image = mgz.fromarray(image) PIL_image.save(output_image_path)