我一直在尝试生成人类姿态估计，我发现了许多预训练模型（例如 Pose2Seg, deep-high-resolution-net ），然而这些模型只包含训练和测试的脚本，这似乎是实现研究论文中模型的代码的常态，在 deep-high-resolution-net 中，我尝试编写一个脚本来加载预训练模型并输入我的图像，但得到的输出是一堆张量，我不知道如何将它们转换为我需要的.json注释文件。

我是新手，提前为我的糟糕英语道歉，任何建议都非常感激。

我想包含我的脚本，但它超过100行。

附注：联系作者并询问他们是否能帮忙，这样做是否礼貌？

因为这似乎有点不合适。

回答：

我不是在做骨骼检测研究，但你的问题似乎是普遍性的。

(1) 我认为其他人不应该从头开始教你如何加载数据和运行他们的代码。

(2) 要运行其他人的代码，只需修改他们提供的测试脚本，例如

https://github.com/leoxiaobin/deep-high-resolution-net.pytorch/blob/master/tools/test.py

他们已经帮你加载了模型

 model = eval('models.'+cfg.MODEL.NAME+'.get_pose_net')(        cfg, is_train=False    )    if cfg.TEST.MODEL_FILE:        logger.info('=> loading model from {}'.format(cfg.TEST.MODEL_FILE))        model.load_state_dict(torch.load(cfg.TEST.MODEL_FILE), strict=False)    else:        model_state_file = os.path.join(            final_output_dir, 'final_state.pth'        )        logger.info('=> loading model from {}'.format(model_state_file))        model.load_state_dict(torch.load(model_state_file))    model = torch.nn.DataParallel(model, device_ids=cfg.GPUS).cuda()

只需调用

# 用测试数据评估变量 xy = model(x)# 访问变量的张量，复制回CPU，转换为numpyarr = y.data.cpu().numpy()# 写入CSVnp.savetxt('output.csv', arr)

你应该能够在excel中打开它

(3) “将它们转换为我需要的.json注释”。

这是没人能帮你的问题。我们不知道你想要什么格式。对于他们的格式，可以通过他们的论文获得。或者通过查看他们的训练数据来获得

X, y = torch.load('some_training_set_with_labels.pt')

通过关联x和y。你应该会有很好的想法。