java调用onnx模型_ONNX预训练模型加载

本文介绍了如何使用TVM在Java中加载和执行ONNX预训练模型。通过修改官方教程,简化了下载模型和图片的过程,并针对最新版本的TVM进行了适配,使用CUDA作为目标平台。示例展示了从本地加载'super_resolution.onnx'模型,处理并输入图像,最后执行模型得到结果。
摘要由CSDN通过智能技术生成

tvm官网中,对从ONNX预训练模型中加载模型的教程说明

教程来自于:https://docs.tvm.ai/tutorials/frontend/from_onnx.html#sphx-glr-tutorials-frontend-from-onnx-py

首先我对教程进行了一些修改,很多东西没有必要,比如不是每次都需要从网上下载图片和模型,super_resolution.onnx和cat.png都预先下载到了文件同目录下,

同时,最新版本的tvm中不支持Python2.7,我没有编译llvm,所以我把我的设置都改到了cuda上,在24行和32行有体现,注意最新版本

1 importonnx2 importnumpy as np3 importtvm4 importtvm.relay as relay5 #from tvm.contrib.download import download_testdata

6

7 #model_url = ''.join(['https://gist.github.com/zhreshold/',

8 #'bcda4716699ac97ea44f791c24310193/raw/',

9 #'93672b029103648953c4e5ad3ac3aadf346a4cdc/',

10 #'super_resolution_0.2.onnx'])

11 #model_path = download_testdata(model_url, 'super_resolution.onnx', module='onnx')

12 #now you have super_resolution.onnx on

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值