Espresso 异常："Invalid argument"：加载 mlmodel 时的一般形状内核

Question

我从 tf.keras 转换了我的 mlmodel。目标是从图像中识别手写文本当我运行它使用此代码时：

func performCoreMLImageRecognition(_ image: UIImage) {
     
        let model = try! HTRModel()
        // process input image
        let scale = image.scaledImage(200)
        let sized = scale?.resize(size: CGSize(width: 200, height: 50))
        let gray = sized?.rgb2GrayScale()
        
        guard let pixelBuffer = sized?.pixelBufferGray(width: 200, height: 50) else { fatalError("Cannot convert image to pixelBufferGray")}
        
        UIImageWriteToSavedPhotosAlbum(gray! ,
                                        self,
                                        #selector(self.didFinishSavingImage(_:didFinishSavingWithError:contextInfo:)),
                                        nil)
        
        let mlArray = try! MLMultiArray(shape: [1, 1], dataType: MLMultiArrayDataType.float32)
        let htrinput = HTRInput(image: pixelBuffer, label: mlArray)
        if let prediction = try? model.prediction(input: htrinput) {
            print(prediction)
        }
    }

我收到以下错误：

[espresso] [Espresso::handle_ex_plan] exception=Espresso exception: "Invalid argument": generic_reshape_kernel: Invalid bottom shape (64 12 1 1 1) for reshape to (768 50 -1 1 1) status=-6
2021-01-21 20:23:50.712585+0900 Guided Camera[7575:1794819] [coreml] Error computing NN outputs -6
2021-01-21 20:23:50.712611+0900 Guided Camera[7575:1794819] 
[coreml] Failure in -executePlan:error:.

这里是模型配置模型运行非常好。我哪里错了。我对 swift 不太熟悉，需要帮助。这个错误是什么意思，我该如何解决这个错误？

Answer 1

有时在从 Keras（或其他）到 Core ML 的转换过程中，转换器不理解如何处理某些操作，这会导致模型无法正常工作。

在你的例子中，有一个层输出形状为 (64, 12, 1, 1, 1) 的张量，而有一个重塑层期望可以重塑为 (768, 50, - 1, 1, 1).

您需要找出哪个层进行了整形，然后检查 Core ML 模型为什么它得到的输入张量大小不正确。仅仅因为它在 Keras 中工作正常并不意味着转换到 Core ML 是完美的。

您可以使用开源模型查看器 Netron 检查 Core ML 模型。

（注意 64x12 = 768，所以问题似乎出在该张量中的 50。）

Espresso 异常："Invalid argument"：加载 mlmodel 时的一般形状内核

Espresso exception: "Invalid argument":general shape kernel while loading mlmodel

swift

machine-learning

tf.keras

coreml

handwriting-recognition