C++ 部署问题（一）：onnx模型出现精度偏差大问题

项目整体是在pytorch中训练好模型后，将保存的pth模型参数转化为onnx，随后通过C++部署。由于医学影像数据的保存格式的特殊性，对于不熟悉C++的新手来说部署面临着很多问题。

onnx模型出现精度偏差解决思路

情况1.确定onnx模型是否出问题：pth转onnx格式可能导致onnx出现参数问题
解决方法：
在pytorch下推理onnx模型，包括cpu和gpu情况，查看结果精度是否有变化
情况2.确定C++代码数据读取和处理是否存在问题：尤其是对于向我这样用习惯python，对C++了解不多的来说，经常在写代码过程中忽略很多数据类型的定义差异，导致虽然能跑通但是数据读取和处理过程出现问题。
解决方法：
从数据读取开始，调试代码，找到数据处理的问题点；

一般情况下，只有这两种原因，不太可能有第三种原因，所以没解决只能说明你还没找到问题点；

onnx模型问题排查

我的模型有两个输入input1，input2，以下是部分自测代码：

# 将张量转化为ndarray格式
def to_numpy(tensor):
    return tensor.detach().cpu().numpy() if tensor.requires_grad else tensor.cpu().numpy()
#测试数据读取
test_dir = glob('\*\*')
test_dataset = CustomDataset(test_dir, args.class_p, args.num, train = False, test = True)
test_loader = DataLoader(test_dataset, batch_size=1, shuffle= False)
#加载onnx预训练的参数
onnx_path = "*.onnx"
ort_session = onnxruntime.InferenceSession(onnx_path)
with torch.no_grad():
    for inputs, targets, class_code, path in test_loader:
        inputs, targets, class_code = inputs, targets, class_code
        
        input1 = ort_session.get_inputs()[0].name
        input2 = ort_session.get_inputs()[1].name
        #注意两个输入加入方式
        inputs = {input1: to_numpy(inputs), input2: to_numpy(class_code)}
        outputs = ort_session.run(None,inputs)  

自测后发现onnx模型是没有问题的，那么就应该是C++代码中数据读取和处理的问题

C++代码数据读取和处理代码排查

具体原因是医学影像数据为dcm文件，读出来是Uint16类型，而onnx模型的输入应该是Float32类型。
但修改后，仍然会输出离谱的结果，所以数据读取没有问题，大概率出现在数据处理上。
整个数据处理步骤：读取单个dcm文件——多个dcm通道合并——三维裁剪；
其实这样处理涉及到的被处理的数据比较多，所以我更换了处理步骤：读取单个dcm文件并裁剪——多个dcm通道合并；
整体减少了处理的数据量，同时也简化了数据处理步骤，最后完美解决！
如有其他问题欢迎讨论！