我尝试用你的提供的代码转onnx时碰到了TypeError: upsample_bilinear2d() received an invalid combination of arguments

[Sourishlemon]

这是我的model的forward

这是报错

我是这样运行的
python Exporter.py --model-variant mobilenetv3 --precision float32 --opset 13 --device cpu --output D:\下载\test.onnx

[DefTruth]

可以看一下这个issue:

• 转onnx时，有了rxi的值之后应该怎样设置呢？ #12

你这里看起来像是downsample_ratio的数据类型不对。

[Sourishlemon]

我尝试了改了下model里的downsample_ratio=0.25还尝试了把w，h设置为1920，1080都不行。

我打印了x为

为什么调用 x = F.interpolate函数时，格式就错了呢

[DefTruth]

你看看upsample_bilnear2d对于scale_factor的要求吧，需要是 float元组或float，不是Tensor

[Sourishlemon]

感谢，成功转成openvino了，就是不知道怎么推理测试，网上例子都是针对图片的，我要输入的是视频该怎么做呢

[DefTruth]

可以参考我写的一个动态onnx推理的python版本，在我fork的分支里的inference_onnx.py(可以推理视频):

• https://github.com/DefTruth/RobustVideoMatting/blob/onnx/inference_onnx.py

以及我在RVM里的PR:

• Add inference_onnx.py PeterL1n/RobustVideoMatting#27

我这个仓库的C++ API有推理视频的接口啊，你看下README.md

[Sourishlemon]

我尝试用生成的IR文件用openvino推理部署，但是遇到了问题，我不知道为什么输入的大小要求是rl1的1，16，135，240，而不是src的1，3，720，1280，该怎么解决呢

[DefTruth]

请看以下这个issue中的讨论，已经有说明：

• 转onnx时，有了rxi的值之后应该怎样设置呢？ #12

至于理解为什么这样做，可能需要你看一下RVM的论文，以及它的pytorch源码进行理解。

[Sourishlemon]

老哥根据你的代码，我该成功了，但是不知道为什么效果很差

[DefTruth]

这我就不太清楚了，openvino我也没玩过

[DefTruth]

你的数据预处理出错了。为啥是减去这些均值呢？RVM的源码没有啊。它的预处理是：

transform = transforms.Compose([
            transforms.Resize(input_resize[::-1]),
            transforms.ToTensor()
        ])

transforms.ToTensor()里面做了归一化，x=x/255.

[Sourishlemon]

老哥我将自己导出的onnx用你的inference_onnx.py将输入改成设置的静态rlx发现运行的结果和转成openvino的一样，效果很差说明是我的onnx转的有问题但是我model也改了，export也改了还有哪边是我没注意到的吗

[DefTruth]

你要不考虑直接用RVM官方提供的onnx吧，然后用我写的inference_onnx.py来推理，效果应该是没问题的。openvino我是真不了解，用的太少了。

[Sourishlemon]

老哥你有试过按静态输入转成的onnx的效果吗，就是像我上面那样，我想知道是不是就我这样，可否麻烦你测试下，磕头

[DefTruth]

我没有保留我转的静态onnx，我拿来转静态的MNN和TNN文件后就删掉了。ONNXRuntime版本的我是拿动态的来推的。过去大半年啦.....

[Sourishlemon]

不好意思，感谢老哥了

[DefTruth]

鉴于问这个问题的人比较多，我写了一份详细的知乎教程，请参考：

• 🔧填坑: RobustVideoMatting(5k+🔥 star)视频抠图静态ONNX模型转换