如何导出ScriptModule？

[lindadamama]

调用torch.jit.script(self.net).save("model.pt")，程序一直报错TypeError: cannot create weak reference to 'numpy.ufunc' object 调用toch.jit.trace(self.net,torch.rand(1,3,256,320)).save("model.pt")可以正常导出模型，但是测试结果和原来的模型（self.net）不一致 左边是直接预测的，右边是用toch.jit.trace(self.net,torch.rand(1,3,256,320)).save("model.pt")导出的模型预测的

[bubbliiiing]

什么意思那，右边看起来似乎没有和原图进行blend呀

[lindadamama]

如上图：左边是python直接加载模型，预测的结果，右边是调用toch.jit.trace导出的模型在c#平台上预测的结果 这个文档上说这种方法导出的模型，可以在c#平台或者c++平台上直接部署 https://github.com/dotnet/TorchSharp/wiki/TorchScript https://pytorch.org/docs/stable/jit.html torch.jit.trace与torch.jit.script的区别，这两种方法导出的模型是有差异的，没想到差异会这么大 https://cloud.tencent.com/developer/article/2067810

[bubbliiiing]

一个是静态的一个是动态的，差别是很大 但是我不理解的是，右图看起来都没做混合呀，你咋判断的呢

[lindadamama]

我没有进行混合，识别出区域后用opencv画的区域轮廓，因为混合后会覆盖原图，看不出是否识别准确

[bubbliiiing]

哦哦哦理解了看出来了 你的输入图片一样大吗

[lindadamama]

是同一张图片

[lindadamama]

导出onnx好像也不行，完全找不到区域

[bubbliiiing]

归一化啥的一样？

[lindadamama]

一样的，我测试了您的deeplabV3plus，完全没问题，不过对比了一下准确度，和训练时间，发现segformer收敛速度更快，准确度更高，但是导出的模型一直有问题，deeplabV3plus的c#输出和python输出基本一致

[bubbliiiing]

难道是因为segformer是self attention的问题吗

[bubbliiiing]

onnx都错的话，会不会是导出代码写错了

[lindadamama]

那就不清楚了，我尝试替换了Sgeformer里面的for循环和判断语句，问题依然没有解决

[lindadamama]

我这边对backbones进行了修改，导出的模型还是不正常， backbone.zip

[bubbliiiing]

我点开看看 主要trace是静态的，不应该出问题

[lindadamama]

那有可能是我用的Torchsharp解析模型的问题，但是deeplabV3Plus又没问题，有点想不通了

[bubbliiiing]

这个看不出问题，可能要看导出的代码

[lindadamama]

我是这样导出的，担心随机生成的Tensor会出问题，特意加载了一张图片运行，结果还是一样的，python和c#输出结果不一样