33、机器学习模型的导出、导入与部署

机器学习模型的导出、导入与部署

1. 模型导出与导入相关操作

在处理 caffe2::TensorCPU 对象时，可使用 data<float>() 方法来访问其元素，该方法会返回指向张量按行排列的浮点值的指针。例如，若输出张量维度为 1x1000，可像访问线性数组一样访问其值。

为正确结束程序，需关闭用于加载所需 ONNX 文件的 Google 协议缓冲区库，代码如下：

google::protobuf::ShutdownProtobufLibrary();

1.1 图像加载到 Caffe2 张量

模型要求输入图像为归一化的三通道 RGB 图像，形状为 (N x 3 x H x W)，其中 N 是批量大小，H 和 W 至少为 224 像素宽。归一化需将图像加载到 [0, 1] 范围，再使用均值 [0.485, 0.456, 0.406] 和标准差 [0.229, 0.224, 0.225] 进行归一化。

以下是加载图像到 Caffe2 张量的函数实现：

caffe2::TensorCPU ReadImageTensor(const std::string& file_name,
                                 int width,