ID บทความ: 000099197 ประเภทข้อมูล: การแก้ไขปัญหา การตรวจสอบครั้งล่าสุด: 09/07/2024

ไม่สามารถรับผลลัพธ์ที่คาดว่าได้จากโมเดลการนําเสนอระดับกลาง (IR) ที่แปลงแล้ว

BUILT IN - ARTICLE INTRO SECOND COMPONENT
สรุปข้อมูล

ขั้นตอนในการใช้ขั้นตอนการประมวลผลล่วงหน้าตามการเปลี่ยนแปลงเฉพาะโมเดลที่กําหนดไว้ในการกําหนดค่าโมเดล

คำอธิบาย
  • โมเดล PyTorch ที่แปลงโดยตรงผ่าน Model Conversion API
    ov_model = convert_detectron2_model(model, image)
  • ได้รับผลลัพธ์ที่ไม่ต้องการจากไฟล์ Intermediate Representation (IR) ที่แปลงแล้ว
ความละเอียด

ใช้ขั้นตอนการประมวลผลล่วงหน้าตามการเปลี่ยนแปลงเฉพาะแบบจําลองที่กําหนดไว้ในการกําหนดค่าโมเดล

import detectron2.data.transforms as T
from detectron2.data import detection_utils

image_file = "example_image.jpg"

def get_sample_inputs(image_path, cfg):


# get a sample data
original_image = detection_utils.read_image(image_path, format=cfg.INPUT.FORMAT)
# Do same preprocessing as DefaultPredictor
aug = T.ResizeShortestEdge([cfg.INPUT.MIN_SIZE_TEST, cfg.INPUT.MIN_SIZE_TEST], cfg.INPUT.MAX_SIZE_TEST)
height, width = original_image.shape[:2]
image = aug.get_transform(original_image).apply_image(original_image)
image = torch.as_tensor(image.astype("float32").transpose(2, 0, 1))

inputs = {"image": image, "height": height, "width": width}

# Sample ready
sample_inputs = [inputs]
return sample_inputs

sample_input = get_sample_inputs(image_file, cfg)
ov_model = convert_detectron2_model(model, sample_input)

ผลิตภัณฑ์ที่เกี่ยวข้อง

บทความนี้จะนำไปใช้กับ 1 ผลิตภัณฑ์

เนื้อหาในหน้านี้เป็นการผสมผสานระหว่างการแปลเนื้อหาต้นฉบับภาษาอังกฤษโดยมนุษย์และคอมพิวเตอร์ เนื้อหานี้จัดทำขึ้นเพื่อความสะดวกของคุณและเพื่อเป็นข้อมูลทั่วไปเท่านั้นและไม่ควรอ้างอิงว่าสมบูรณ์หรือถูกต้อง หากมีความขัดแย้งใด ๆ ระหว่างเวอร์ชันภาษาอังกฤษของหน้านี้กับคำแปล เวอร์ชันภาษาอังกฤษจะมีผลเหนือกว่าและควบคุม ดูเวอร์ชันภาษาอังกฤษของหน้านี้