我有一个 pytorch 模型，它将3 x width x height图像作为输入，像素值在0-1
例如，在 pytorch 中输入
img = io.imread(img_path)
input_img = torch.from_numpy( np.transpose(img, (2,0,1)) ).contiguous().float()/255.0
我将此模型转换为 coreml 并导出了一个 mlmodel，它采用正确尺寸的输入
Image (Color width x height)
但是，我的预测是不正确的，因为模型期望两者之间有一个浮点值，0-1而 cvpixelbuffer 是一个 int bwetween0-255
我试图像这样规范化模型内部的值，
z = x.mul(1.0/255.0) # div op is not supported for export yet
但是，当此操作在 coreml 级别的模型内部完成时， int * float被转换为int并且所有值本质上都是0
Cast op 不支持导出，例如，x = x.float()
我如何确保我的输入正确地进行预测？本质上，我想将其pixel rgb and float divide 255.0传递给模型进行推理？