- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我将 pytorch 预训练模型 (.pt) 转换为 torchscript 模型 (.pt),以便在 Swift 5(ios-iphone6s、xcode 11)中使用它。在 Swift 中,模型的“预测”函数为我提供了它的嵌入值(张量)。由于它作为预测结果返回了 NSNumber 数组,我使用类型转换 [NSNumber] 到 [Double] 或 [Float] 来计算两个嵌入值之间的距离。 L2归一化、点积等
然而,虽然pytorch版本得到了正确的答案,但torchscript模型得到了很多错误的答案。不仅答案不同,torchscript中两个嵌入对的距离计算也不同来自PC(CPU,Pycharm)上pytorch模型的结果。事实上,在使用类型转换进行距离计算之前,NSNumber(Swift) 中的嵌入值与 float32(pytorch) 中的值相差如此之大。我使用了相同的输入图像。
我试图找到原因..有一次,我从swift-torchscript中复制了embedding值([NSNumber])并计算了pytorch中两个embeddings之间的距离,以检查我的距离计算是否有问题在 Swift 中实现。我使用 torch.FloatTensor 来使用类型转换 [NSNumber] -> [Float]。我也试过[双]。结果,我发现了许多无穷大的数字。这是无穷大的数字与错误答案有关吗?
这个“inf”是什么意思?是计算错误还是类型转换错误?从 NSNumber 转换为 Float 或 Double 时我是否丢失了信息?如何快速从 torchscript 模型中获取正确的值? 我应该检查什么?
我使用以下代码进行转换。 pytorch -> torch 脚本。
import torch
from models.inception_resnet_v1 import InceptionResnetV1
device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
resnet = InceptionResnetV1(pretrained='vggface2').eval().to(device)
example = torch.rand(1, 3, 160, 160)
traced_script_module = torch.jit.trace(resnet, example)
traced_script_module.save("mobile_model.pt")
最佳答案
您使用的 InceptionResnetV1 来自: https://github.com/timesler/facenet-pytorch ?当您在比较输出时提到 pytorch 模型时,您指的是在 pytorch 中运行时的 torchscript 模型,还是指的是 resnet?
如果是后者,您是否已经检查过类似如下的内容?
运行以下命令会得到什么:
print('Original:')
orig_res = resnet(example)
print(orig_res.shape)
print(orig_res[0, 0:10])
print('min abs value:{}'.format(torch.min(torch.abs(orig_res))))
print('Torchscript:')
ts_res = traced_script_module(example)
print(ts_res.shape)
print(ts_res[0, 0:10])
print('min abs value:{}'.format(torch.min(torch.abs(ts_res))))
print('Dif sum:')
abs_diff = torch.abs(orig_res-ts_res)
print(torch.sum(abs_diff))
print('max dif:{}'.format(torch.max(abs_diff)))
在定义“traced_script_module”之后。我得到以下信息:
Original:
torch.Size([1, 512])
tensor([ 0.0347, 0.0145, -0.0124, 0.0723, -0.0102, 0.0653, -0.0574, 0.0004,
-0.0686, 0.0695], device='cuda:0', grad_fn=<SliceBackward>)
min abs value:0.00034740756382234395
Torchscript:
torch.Size([1, 512])
tensor([ 0.0347, 0.0145, -0.0124, 0.0723, -0.0102, 0.0653, -0.0574, 0.0004,
-0.0686, 0.0695], device='cuda:0', grad_fn=<SliceBackward>)
min abs value:0.0003474018594715744
Dif sum:
tensor(8.1539e-06, device='cuda:0', grad_fn=<SumBackward0>)
max dif:5.960464477539063e-08
这并不完美,但考虑到输出的最小值为 10^-4,并且前一个数字是 512 个元素的绝对差之和,而不是平均值,对于我。最大差异在 10^-8 左右。
顺便说一句,您可能想更改为:
example = torch.rand(1, 3, 160, 160).to(device)
如果您在上面的测试中得到类似的结果,那么您从 swift-torchscript 作为 NSNumber 获得的前 10 个输出值的类型是什么? pytorch 和 torchscript-pytorch 模型输出中的相同切片?
关于swift - 将 pytorch 转换为 torchscript 后的不同结果?将 NSnumber 转换为 Float 会造成任何损失吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60127078/
我的目标是序列化经过 pytorch 训练的模型,并将其加载到定义神经网络的原始类不可用的环境中。为实现这一目标,我决定使用 TorchScript,因为它似乎是唯一可行的方法。 我有一个多任务模型(
我正在使用 PyTorch 1.4,需要在 forward 中的循环内导出带有卷积的模型: class MyCell(torch.nn.Module): def __init__(self):
我试图让一些现有的 pytorch 模型支持 TorchScript jit 编译器,但我遇到了非原始类型成员的问题。 这个小例子说明了这个问题: import torch @torch.jit.sc
我正在尝试转换 PyTorch FOMM模型到 TorchScript。一旦我开始用 @torch.jit.script 注释一些类我有一个错误: OSError: Can't get source
我准备将pytorch模块转换为ScriptModule,然后在c++中加载它,但我被这个错误阻止了 This attribute exists on the Python module, but w
我正在按以下方式加载 torchscript 模型: model = torch.jit.load("model.pt").to(device) 此模型的子模块被标识为 RecursiveScript
我使用 colab 环境使用 PyTorch 训练了一个自定义模型。我成功地将训练好的模型保存到 Google Drive,名称为 model_final.pth .我要转换 model_final.
我将 pytorch 预训练模型 (.pt) 转换为 torchscript 模型 (.pt),以便在 Swift 5(ios-iphone6s、xcode 11)中使用它。在 Swift 中,模型的
我是一名优秀的程序员,十分优秀!