Tensorfloat 和 ImageFeatureValue 之间的区别
Difference between Tensorfloat and ImageFeatureValue
使用 Windows-Machine-Learning 库时，onnx 模型的输入和输出通常是 TensorFloat 或 ImageFeatureValue 格式。
我的问题：这些有什么区别？似乎我能够在 onnx 导入（用于 body 姿势检测）后将自动创建的 model.cs 文件中的输入形式从 TensorFloat 更改为 ImageFeatureValue 并且代码仍然运行。这使得它例如使用视频帧更容易，因为我可以通过 ImageFeatureValue.CreateFromVideoFrame(frame) 创建我的输入。
这是否有可能导致问题的原因？当使用视频帧作为输入时，它们之间有什么区别，我没有从文档中看到它？或者如果输入是视频帧，为什么 model.cs 脚本首先创建 TensorFloat 而不是 ImageFeatureValue？
找到答案here。
If Windows ML does not support your model's color format or pixel range, then you can implement conversions and tensorization. You'll create an NCHW four-dimensional tensor for 32-bit floats for your input value. See the Custom Tensorization Sample for an example of how to do this.
使用 Windows-Machine-Learning 库时，onnx 模型的输入和输出通常是 TensorFloat 或 ImageFeatureValue 格式。
我的问题：这些有什么区别？似乎我能够在 onnx 导入（用于 body 姿势检测）后将自动创建的 model.cs 文件中的输入形式从 TensorFloat 更改为 ImageFeatureValue 并且代码仍然运行。这使得它例如使用视频帧更容易，因为我可以通过 ImageFeatureValue.CreateFromVideoFrame(frame) 创建我的输入。
这是否有可能导致问题的原因？当使用视频帧作为输入时，它们之间有什么区别，我没有从文档中看到它？或者如果输入是视频帧，为什么 model.cs 脚本首先创建 TensorFloat 而不是 ImageFeatureValue？
找到答案here。
If Windows ML does not support your model's color format or pixel range, then you can implement conversions and tensorization. You'll create an NCHW four-dimensional tensor for 32-bit floats for your input value. See the Custom Tensorization Sample for an example of how to do this.