hum-yong

onnx模型推理结果是准确的，opset V8和V10都试过

> 推荐使用pnnx转换模型 https://github.com/pnnx/pnnx @nihui 我试了pnnx，结果和onnx转ncnn的结果一样。 顺便问个问题，pytorch模型要求输入维度是CHW，但是输入bmp的buffer是HWC的分布，这里是否需要做维度转换？在ncnn的sample里没有看到转换的例子。 cv::Mat m = cv::imread(“test.bmp”); ncnn::Mat in = ncnn::Mat::from_pixels_resize(m.data, ncnn::Mat::PIXEL_BGR, nWidth, nHeight, 224, 224); const float mean_vals[3] = {123.675f, 116.28f, 103.53f}; const float norm_vals[3] =...

> @hum-yong 兄弟请问解决了吗，我也遇到一样的问题 问题解决了，犯了低级错误，在预处理resize时把WH搞错。模型用pnnx和onnx转ncnn推理结果都没问题，因为是标准resnet模型，理应没问题

> > > 推荐使用pnnx转换模型 https://github.com/pnnx/pnnx > > > > > > @nihui 我试了pnnx，结果和onnx转ncnn的结果一样。 > > 顺便问个问题，pytorch模型要求输入维度是CHW，但是输入bmp的buffer是HWC的分布，这里是否需要做维度转换？在ncnn的sample里没有看到转换的例子。 > > ``` > > cv::Mat m = cv::imread(“test.bmp”); > > ncnn::Mat in =...

> @hum-yong ，我也是有这个问题，导致推理结果一致有问题，怎么解决 图像resize低级错误，模型转换没问题