问题标签 [mlmodel]

CoreML 模型的教程都是将 TensorFlow 模型或 PyTorch 模型转换为 CoreML 模型。如果预训练好的模型文件是mlmodel类型的，不知道在python中怎么用，怎么把mlmodel转成tf模型。

如何在 Python 中通过 TensorFlow、Keras 或 PyTorch 读取和部署 CoreML 模型？

我从输出 2D Multiarray（分段）的 DeepLabV3+ mlmodel 开始。成功添加了一个将其作为输入并输出 GRAYSCALE 图像的层。

现在，我想将此灰度图像作为输入和输出 ARGB，我想让其中一种颜色透明。

如何设置这样的层？

我的python代码：

虽然模型成功保存没有任何错误，但预测错误如下

我觉得这与在这一层中如何设置激活有关。但是找不到任何可以尝试不同的方法。

很感谢任何形式的帮助。

我添加的图层产生的灰度图像

我对 CoreMl 很陌生，我想从今年在 WWDC 上发布的 Coreml 模型部署中检索模型。

我制作了一个应用程序，仅对特殊和稀有事物进行分类，并将该 model.archive 上传到 CoreMl 模型部署仪表板。

我成功部署了模型并将其显示为活动状态。

现在的问题是我无法检索那个模型，我已经尝试了很多，我什至看到了那个模型上的所有 WWDC 会话，甚至从那个会话中复制了那个代码，但都是徒劳的

这是我的整个模型加载和检索代码

我的 Vision 请求代码

我的分类 cade 将拍摄图像

我的分类代码

Xcode 没有抛出任何错误，但它没有识别任何东西。

如果我在我的代码中做错了什么，我谦卑地请你给我看并解决它

是否有从 coreml 模型部署中检索模型的教程。

升级到 Xcode 12 和 Swift 5.3 后，我的 MLmodel 似乎不再正常工作，我之前没有任何问题。我确定这是一个简单的修复，我只是不明白如何修复。

我收到错误 'init()' is deprecated: Use init(configuration:) 代替并适当地处理错误。在 WpredictionModel 声明之后。

我也将此视为错误。

首先，我要提前感谢大家。

让我简要解释一下我想在这里实现的目标，[https://i.stack.imgur.com/4YbEd.jpg][1]，在随附的屏幕截图中，我有两列，一列是“描述”和“类别” “，基本上我想构建一个python模型，它将读取我的描述列并将其标记到正确的类别。例如，如果我的描述显示“无法午餐缩放会议”，那么类别将标记为“缩放问题”

看起来像训练模型并在需要时重用。

我对python编程语言有点陌生，有人可以帮助我指导我如何实现这一点将非常有帮助。

I need to add a .mlmodel file to my Unit Tests in order to check programmatic model compilation in my framework. But, since version 12, Xcode automatically compiles any .mlmodel file added to the project and replaces it with .mlmodelc which is unwanted in this context.

So, if I add a TestModel.mlmodel to the project, I can't get a resource URL:

If I open the compiled bundle package I can see TestModel.mlmodelc there.

How can I disable automatic CoreML model compilation in Xcode?

我在转换.h5为mlmodel使用coremltools 4.0我想要MLMultiArray的数据类型作为双精度的 171 个元素向量而不是 Flot32 多维浮点数组时遇到了问题。

这是我使用 coremltools 4.0 将 .h5 转换为 ml 模型的脚本

使用 python3 运行上面的脚本，这是我的模型生成的输出 MLMultiArray，数据类型为 Flot32 多维浮点数组。

带有 Flot32 的 MLMultiArray

这是我的工作模型输出 MLMultiArray，其数据类型为 171 个双精度元素向量。

MLMultiArray 与双 171

如何将 Float 更新为 double MLMultiArray？

任何援助将不胜感激

我无法使用ONNX要转换为MLModelusing的模型获得灵活的形状coremltools 4.0。源模型来自PyTorch，但我不能使用新的统一转换，因为此时 coremltools 不支持reflection_pad2d模型中使用的层。

coremltools编译模型没有任何警告或错误，并显示支持灵活的形状：

但是在模型上运行预测失败并显示以下消息：

枚举形状将与模型一起使用，但如果没有 10k+ 枚举形状，这似乎不是一个解决方案，这是不够的。

该模型是一个完全卷积网络，它似乎没有使用任何固定的形状（参见规范输出），并且它适用于不同的形状PyTorch，所以看起来必须有可能以某种方式让灵活的形状工作。

我尝试使用图像输入/输出来使用灵活的输入形状：

我还尝试先将模型转换为多数组，然后转换为图像，然后添加灵活的形状。

我查看了规范中的所有层，但没有看到任何使用固定形状的层（输入/输出层除外）：

我有风格转移模型，pytorch由 onnx 训练并转换为mlmodel. style-image是1500x2000。_ 通过使用coremltools，我设置了两种尺寸：256x256和1500x2000. 现在我可以将两种图像尺寸传递给预测过程。以下是结果：

左边是1500x2000图像，右边是256x256（处理后放大） 是否可以通过大图像但有更大尺寸的笔触，如右图所示？所以我想保持图像大小和质量（1500x2000）但改变样式的大小（笔触）。或者这是不可能的，这完全取决于image-style我用来训练模型的大小。