ncnn如何处理float浮点型数据?

[shentu521]

我们caffe的模型数据是float*型的三个单通道数据，这个输入数据在ncnn上如何进行表示呢?

举例来说,比如我的输入数据是：2562564 × 3 ,但是ncnn一次性只能输入最大256×256*4的矩阵大小.

我是不是可以用:

ex.input("input_param", in)

输入是三个这样的。

或者:

cnn::Mat in = ncnn::Mat::from_pixels((const unsigned char*)input_data, ncnn::Mat::PIXEL_RGBA, input_size.width*3, input_size.height); 把width放大三倍？？

[nihui]

float* data; // assume 3 * 256 * 256, RRR... GGG... BBB...
Mat in(256*256*3, data);
in = in.reshape(256, 256, 3);

[shentu521]

老大，你这个真的是帮了大忙啊

[CyberKnight001]

float* data; // assume 3 * 256 * 256, RRR... GGG... BBB...
Mat in(256*256*3, data);
in = in.reshape(256, 256, 3);

大佬 我现在的输入数据是一个非图像类型的float数组（50乘50大小的），而且初始的模型是tensorflow格式的，通过->coreml->onnx->ncnn后，用您这种方法算出的数据不论输入什么数据，输出结果都是一样的。我如下方法调用的：
float* data; // assume50* 50...
Mat in(50* 50* 3, data);
in = in.reshape(50, 50, 1);
不论输入什么数据结果都一样，意思为上面的data数组，不管内容换为什么，模型运算输出结果都一样

[shenchao8607]

float* data; // assume 3 * 256 * 256, RRR... GGG... BBB...
Mat in(256*256*3, data);
in = in.reshape(256, 256, 3);

大佬 我现在的输入数据是一个非图像类型的float数组（50乘50大小的），而且初始的模型是tensorflow格式的，通过->coreml->onnx->ncnn后，用您这种方法算出的数据不论输入什么数据，输出结果都是一样的。我如下方法调用的：
float* data; // assume50* 50...
Mat in(50* 50* 3, data);
in = in.reshape(50, 50, 1);
不论输入什么数据结果都一样，意思为上面的data数组，不管内容换为什么，模型运算输出结果都一样

是的，我也遇到了同样的问题。无论输入是什么输出都不变。我的model是从caffe转ncnn的，也是处理非图片数据。调用方法和以上类似：
float * data;
Mat in(w,h,c, data)

希望大佬@nihui 解答！！

[nihui]

输出数据不对，建议 extract 前面几层的 blob 观察，找到计算出错的是哪一层

[mei123hao]

我想问下，现在我模型有一个opencv表示为cv_f32c3的三通道mat输入，我按照上面的提示用ncnn这样写我的输入：
cv::Mat img;
ncnn::Mat input6(img.rowsimg.cols3, (float*)img.data);
input6 = input6.reshape(img.cols, img.rows, 3);
但是貌似还是没办法得到正确的结果，请问是这样输入有问题吗？还是什么情况呢？ @nihui 大佬能解答下吗？谢谢了！

[nihui]

针对onnx模型转换的各种问题，推荐使用最新的pnnx工具转换到ncnn
In view of various problems in onnx model conversion, it is recommended to use the latest pnnx tool to convert to ncnn

pip install pnnx
pnnx model.onnx inputshape=[1,3,224,224]

详细参考文档
Detailed reference documentation
https://github.com/pnnx/pnnx
https://github.com/Tencent/ncnn/wiki/use-ncnn-with-pytorch-or-onnx#how-to-use-pnnx