请注意，本文内容源自机器翻译，可能存在语法或其它翻译错误，仅供参考。如需获取准确内容，请参阅链接中的英语原文或自行翻译。
器件型号：TDA4VM 工具/软件：
您好：
我有以下 Pytorch 网络,我转换为 onnx 和它在 CPU 上工作正常:
导入火炬
类 NeckTorch (torch.nn.Module)：
def __init__(self)：
超级(NeckTorch、self)。__init__()
self.x0 = torch.rand (1、80、8、40).long ()
self.y0 = torch.rand (1、80、8、40).long ()
DEF Forward (自我、x)： #输入形状1128、32、64
x = x[：、：、self.y0、self.x0]
X = torch.rehenge (x、(1128、80、8、 40))
x = x.permute (0、1、3、2、4)。re整 形(1、 1024、80、40)
返回 x
但是、使用 TIDLCompilationProvider 时、我只得到此误差和单个标量值作为输出：
[W：onnxruntime：、execution_frame.cc：835 VerifyOutputSizes]来自｛11024、80、40｝模型的预期形状与输出的实际形状｛｝不匹配
compile_options =｛
'tidl_tools_path'：os.environ['TIDL_TOOLS_PATH']、
'artifactes_folder': output_dir,
Tensor_bits：16,
'accurity_level': 0,
'advanced_options: calibration_frames': 1,
'advanced_options: calibration_iterations': 1,# used if accurity_level = 1.
'advanced_options: add_data_convert_ops': 1,
'debug_level': 1,
}
'tidl_tools_path'：os.environ['TIDL_TOOLS_PATH']、
'artifactes_folder': output_dir,
Tensor_bits：16,
'accurity_level': 0,
'advanced_options: calibration_frames': 1,
'advanced_options: calibration_iterations': 1,# used if accurity_level = 1.
'advanced_options: add_data_convert_ops': 1,
'debug_level': 1,
}
我按如下方式运行编译：
SO = RT.SessionOptions()
ep_list =['TIDLCompilationProvider'、'CPUExecutionProvider']
SESS = RT.ConferenceSession (onnx_model_path、provider=ep_list、provider_options=[compile_options、｛｝]、sess_options_so)
input_details = sess.get_inputs()
output = list (sess.run(None、{input_details[0].name：np.random.rand(1128、32、64).astype (Np.float32)})))[0]
ep_list =['TIDLCompilationProvider'、'CPUExecutionProvider']
SESS = RT.ConferenceSession (onnx_model_path、provider=ep_list、provider_options=[compile_options、｛｝]、sess_options_so)
input_details = sess.get_inputs()
output = list (sess.run(None、{input_details[0].name：np.random.rand(1128、32、64).astype (Np.float32)})))[0]
您是否知道如何正确编译这些操作？
