1.torch onnx mxnet(python)结果一致,mxnet(c++)版本结果无法对上且差异较大
通过强制将图像resize到输入大小后,torch、onnx、mxnet(python)、mxnet(c++)结果一致
原因:模型训练过拟合原因,resize方式不一样,影响波动比较大
2.mxnet(c++)版本和torch transform 标准化数据方式不一样
torch:
transform.ToTensor() 数据归一化 x/255∈[0,1]
transform.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5)) 数据标准化 (x/255-0.5)/0.5∈[-1,1]
mxnet:
转换为mxnet数据标准化为:(x-127.5)*(1/127.5)=(x-127.5)*0.00784313725490196
3.分类模型如shufflenet转换时,torch和mxnet out结果归一化
torch代码中通过F.softmax(out,dim=1),结果归一化
mxnet model-symbol.json中为log_softmax op,改为softmax可做归一化处理,否则和torch输出out结果一致
torch转onnx onnx转mxnet中遇见的问题
于 2023-10-31 09:46:59 首次发布