输入张量的尺寸应为 1 x 高 x 宽 x 3。得到 1 x 3 x 224 x 224答案

【问题标题】：The input tensor should have dimensions 1 x height x width x 3. Got 1 x 3 x 224 x 224输入张量的尺寸应为 1 x 高 x 宽 x 3。得到 1 x 3 x 224 x 224
【发布时间】：2021-06-24 20:35:36
【问题描述】：

我想将 Pytorch 训练的模型转换为 tensorflow 模型并在移动设备上使用该模型。为此，我遵循以下步骤；首先，我将 pytorch 训练的模型转换为 onnx 格式。然后我把onnx格式转成tensorflow模型。

首先用pytorch训练模型到onnx；

import torch
import torch.onnx
from detectron2.modeling import build_model
from detectron2.modeling import build_backbone
from torch.autograd import Variable

model= build_backbone(cfg)
model.eval()

dummy_input = torch.randn(1,3,224, 224,requires_grad=True)

torch.onnx.export(model,dummy_input,"drive/Detectron2/model_final.onnx")

然后onnx转tflite模型；

import onnx
import warnings
from onnx_tf.backend import prepare

model = onnx.load("drive/Detectron2/model_final.onnx")
tf_rep = prepare(model)
tf_rep.export_graph("drive/Detectron2/tf_rep.pb")

import tensorflow as tf

## TFLite Conversion
# Before conversion, fix the model input size
model = tf.saved_model.load("drive/Detectron2/tf_rep.pb")
model.signatures[tf.saved_model.DEFAULT_SERVING_SIGNATURE_DEF_KEY].inputs[0].set_shape([1, 3,224, 224])
tf.saved_model.save(model, "saved_model_updated", signatures=model.signatures[tf.saved_model.DEFAULT_SERVING_SIGNATURE_DEF_KEY])
# Convert
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir='saved_model_updated', signature_keys=['serving_default'])
converter.optimizations = [tf.lite.Optimize.DEFAULT]
converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS, tf.lite.OpsSet.SELECT_TF_OPS]
tflite_model = converter.convert()

# Save the model.
with open('drive/Detectron2/model.tflite', 'wb') as f:
  f.write(tflite_model)

## TFLite Interpreter to check input shape
interpreter = tf.lite.Interpreter(model_content=tflite_model)
interpreter.allocate_tensors()

# Get input and output tensors.
input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()

# Test the model on random input data.
input_shape = input_details[0]['shape']
print(input_shape)

但是当我在移动设备上使用模型时，出现以下错误；

java.lang.AssertionError: Error occurred when initializing ImageSegmenter: The input tensor should have dimensions 1 x height x width x 3. Got 1 x 3 x 224 x 224.

我哪里做错了？

【问题讨论】：

用 numpy reshape重塑你的输入
Pytorch 卷积层通常需要输入形状 (batch, num_channels, height, width)，在您的情况下为：(1, 3, 224, 224)。然而 tensorflow 需要输入形状 (batch, height, width, num_channels) 。您需要将输入转置为 (1, height, width, num_channels)
明确一点：不要不重塑输入。正如@Alka 所说，您需要转置它。
@Alka 我在进行您所说的更改时收到此错误； dummy_input = torch.randn(1, 224, 224,3, requires_grad=True) RuntimeError: 给定组=1，大小为 [64, 3, 7, 7] 的权重，预期输入 [1, 224, 224, 3] 有 3 个通道，但有 224 个通道而不是 @Berriel
我认为您不应该将 Pytorch 修改为 ONNX 部分，看起来已经可以了。但是，我看到了两个潜在的变革候选地点？您可以先尝试将model.signatures[tf.saved_model.DEFAULT_SERVING_SIGNATURE_DEF_KEY].inputs[0].set_shape([1, 3,224, 224]) 中的形状更改为model.signatures[tf.saved_model.DEFAULT_SERVING_SIGNATURE_DEF_KEY].inputs[0].set_shape([1,224, 224, 3]) 之类的东西

标签： python tensorflow machine-learning pytorch onnx

【解决方案1】：

也许您可以尝试einops 进行张量转换。它优雅而强大。在你的情况下，代码应该是


import einops
input_tensor = einops.rearrange(input_tensor,'b c w h -> b w h c')

【讨论】：