windows-machine-learning - Tensorfloat 和 ImageFeatureValue 的区别

Question

当使用 Windows-Machine-Learning 库时，onnx 模型的输入和输出通常是要么TensorFloat或ImageFeatureValue格式。

我的问题：这些有什么区别？似乎我能够model.cs在 onnx 导入（用于身体姿势检测）之后将自动创建的文件中的输入形式从TensorFloatto更改为ImageFeatureValue并且代码仍然运行。这使得使用视频帧变得更容易，因为我可以通过ImageFeatureValue.CreateFromVideoFrame(frame). 是否有原因导致这可能导致问题？当使用视频帧作为输入时，它们之间有什么区别，我从文档中看不到它？或者，如果输入是视频帧，为什么 model.cs 脚本首先创建一个TensorFloat而不是一个？ImageFeatureValue

Answer 1

在这里找到了答案。

如果 Windows ML 不支持您的模型的颜色格式或像素范围，那么您可以实现转换和张量。您将为输入值创建 32 位浮点数的 NCHW 四维张量。有关如何执行此操作的示例，请参阅自定义张量化示例。