C#调用Onnx模型

前言

前段时间玩了把yolo,结果卡在用winform调用模型实识别的过程.从网络上找了很长一段时间代码,结果总不尽人意.今天隔离结束,回到工位,继续撸代码.

环境

vs2019,Net5,ML.OnnxRuntime,SixLabors.

准备

nuget下载如下包,

下载onnx权重文件

models/FasterRCNN-10.onnx at main · onnx/models · GitHub

代码

using System;
using System.Collections.Generic;
using System.IO;
using System.Linq;
using Microsoft.ML.OnnxRuntime.Tensors;
using SixLabors.ImageSharp;
using SixLabors.ImageSharp.Formats;
using SixLabors.ImageSharp.PixelFormats;
using SixLabors.ImageSharp.Processing;
using SixLabors.ImageSharp.Drawing.Processing;
using SixLabors.Fonts;
//using SixLabors.Fonts;
//using System.Drawing;

namespace Microsoft.ML.OnnxRuntime.FasterRcnnSample
{
    class Program
    {
        public static void Main(string[] args)
        {


            // Read paths
            string modelFilePath = @"D:\Test\2022\FasterRCNN-10.onnx";
            //string modelFilePath = @"D:\Test\2022\best.onnx";
            // string imageFilePath = @"D:\Test\2022\A.jpg";
            string imageFilePath = @"D:\Test\2022\B.png";
            string outImageFilePath = "outputs.jpg";
            //System.IO.Directory.CreateDirectory(outImageFilePath);


            // Read image
            using Image<Rgb24> image = SixLabors.ImageSharp.Image.Load<Rgb24>(imageFilePath);

            // Resize image
            float ratio = 800f / Math.Min(image.Width, image.Height);
            image.Mutate(x => x.Resize(
  • 4
    点赞
  • 53
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
C#调用ONNX模型,可以使用ONNX Runtime来实现。下面是一个简单的示例代码,展示了如何加载ONNX模型并使用它进行预测: ```csharp using System; using System.Linq; using Microsoft.ML.OnnxRuntime; using Microsoft.ML.OnnxRuntime.Tensors; class Program { static void Main() { // 加载ONNX模型 var session = new InferenceSession("path/to/your/model.onnx"); // 准备输入数据 var inputMeta = session.InputMetadata; var inputName = inputMeta.Keys.First(); var shape = inputMeta[inputName].Dimensions.ToArray(); var inputTensor = new DenseTensor<float>(shape); // 设置输入数据 // 注意:这里需要根据模型的输入要求,将数据填充到inputTensor中 // 这里只是个示例,实际需要根据模型的输入要求来处理数据 float[] inputData = new float[shape.Length]; // 填充inputData数组 inputTensor.CopyFrom(inputData); // 准备输出数据 var outputMeta = session.OutputMetadata; var outputName = outputMeta.Keys.First(); var outputShape = outputMeta[outputName].Dimensions.ToArray(); var outputTensor = new DenseTensor<float>(outputShape); // 运行预测 session.Run(new[] { inputName }, new[] { inputTensor }, new[] { outputName }, new[] { outputTensor }); // 处理输出结果 var outputData = outputTensor.ToArray(); // 输出结果 foreach (var value in outputData) { Console.WriteLine(value); } } } ``` 请确保已经安装了ONNX Runtime NuGet包,并将路径 "path/to/your/model.onnx" 替换为你自己的ONNX模型文件路径。在代码中,你需要根据模型的输入要求,将数据填充到inputTensor中,并根据模型的输出要求来处理输出结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
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