openvino系列 2. 修改模型的输入尺寸

openvino系列 2. 修改模型的输入尺寸

环境描述：

• 本案例运行环境：Win10
• IDE：VSCode
• openvino版本：2022.1
• 代码链接，1-openvino-basicworkflow文件夹

---

---

1 修改模型的输入尺寸

除了修改图像大小以适应模型，我们还可以修改模型输入尺寸以适应图像。 请注意，并非所有模型都支持reshape，并且支持reshape的模型可能不支持所有输入尺寸。 如果我们reshape模型输入尺寸，模型精度也可能会受到影响。

我们首先检查模型的输入尺寸，然后重塑为新的输入尺寸。

分割网络的输入形状是 [1,3,512,512]，图像尺寸为 N、C、H、W 格式：网络的输出宽度和高度为512，批为1，3通道。这里我们reshape网络为[1,1,544,544]。使用IENetwork的.reshape()方法，宽度和高度为544。这个分割网络总是返回与输入宽度和高度相同的数组，因此将输入尺寸设置为 544x544 也会修改输出尺寸。尺寸调整完之后，再次编译网络（ie.compile_model）。

我们也可以修改网络输入的批大小（Batch）。我们依旧使用.reshape()函数。道理和调整网络输入大小是一样的。输出显示，通过将批大小（Batch size）设置为 2，输入和输出形状的第一个元素 (N) 现在的值为 2。我们尝试输入一个尺寸为[2,3,544,544]的数组，模型推理之后（segmentation_compiled_model([input_data])）得到的尺寸就是[2,1,544,544]。

from openvino.runtime import Core, PartialShape

print("1 load network. Here we use a segmentation IR model.")
ie = Core()
segmentation_model_xml = "model/segmentation.xml"
segmentation_model = ie.read_model(model=segmentation_model_xml)
segmentation_input_layer = segmentation_model.input(0)
segmentation_output_layer = segmentation_model.output(0)

print("~~~~ ORIGINAL MODEL ~~~~")
print("- model input shape: {}".format(segmentation_input_layer.shape))
print("- model output shape: {}".format(segmentation_output_layer.shape))

print("2 Change the model input shape ")
new_shape = PartialShape([1, 3, 544, 544])
segmentation_model.reshape({segmentation_input_layer.any_name: new_shape})
segmentation_compiled_model = ie.compile_model(model=segmentation_model, device_name="CPU")
# help(segmentation_compiled_model)
print("~~~~ RESHAPED MODEL Size ~~~~")
print("- model input shape: {}".format(segmentation_input_layer.shape))
print("- compiled model input shape: {}".format(segmentation_compiled_model.input(index=0).shape))
print("- compiled model output shape: {}".format(segmentation_output_layer.shape))

print("3 Change the model input batch size ")
# Model reload
segmentation_model_xml = "model/segmentation.xml"
segmentation_model = ie.read_model(model=segmentation_model_xml)
segmentation_input_layer = segmentation_model.input(0)
segmentation_output_layer = segmentation_model.output(0)
new_shape = PartialShape([2, 3, 544, 544])
segmentation_model.reshape({segmentation_input_layer.any_name: new_shape})
segmentation_compiled_model = ie.compile_model(model=segmentation_model, device_name="CPU")
print("~~~~ RESHAPED MODEL Batch ~~~~")
print("- compiled model input shape: {}".format(segmentation_input_layer.shape))
print("- compiled model output shape: {}".format(segmentation_output_layer.shape))
print("- now let's try to input data into this network.")
input_data = np.random.rand(2, 3, 544, 544)
output = segmentation_compiled_model([input_data])
print("- input data shape: {}".format(input_data.shape))
print("- result data data shape: {}".format(segmentation_output_layer.shape))

结果如下：

1 load network. Here we use a segmentation IR model.
~~~~ ORIGINAL MODEL ~~~~
- model input shape: {1, 3, 512, 512}
- model output shape: {1, 1, 512, 512}
2 Change the model input shape 
~~~~ RESHAPED MODEL Size ~~~~
- model input shape: {1, 3, 544, 544}
- compiled model input shape: {1, 3, 544, 544}
- compiled model output shape: {1, 1, 544, 544}
3 Change the model input batch size 
~~~~ RESHAPED MODEL Batch ~~~~
- compiled model input shape: {2, 3, 544, 544}
- compiled model output shape: {2, 1, 544, 544}
- now let's try to input data into this network.
- input data shape: (2, 3, 544, 544)
- result data data shape: {2, 1, 544, 544}