共计 948 个字符，预计需要花费 3 分钟才能阅读完成。
我的模型须要线上部署了，想间接应用 onnx，而不是 pytorch，所以我须要把代码中对于 pytorch 的都删除了，比方上面这段代码，怎么应用其余库代替？
from torchvision import transforms
preprocess = transforms.Compose([transforms.Resize(224),
transforms.CenterCrop(224),
transforms.ToTensor(),
transforms.Normalize(mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225]
)
])上面是 ChatGPT 给我的答案：
能够应用 Pillow 和 numpy 库代替 torchvision 和 torch 中的操作，示例代码如下：
from PIL import Image
import numpy as np
def preprocess(image_path):
image = Image.open(image_path)
image = image.resize((224, 224))
image = np.array(image)
image = image.transpose((2, 0, 1))
image = image.astype(np.float32)
image /= 255.0
mean = np.array([0.485, 0.456, 0.406]).reshape((3, 1, 1))
std = np.array([0.229, 0.224, 0.225]).reshape((3, 1, 1))
image = (image - mean) / std
return image这个函数将承受图像文件门路作为输出并返回预处理后的图像。
然而我测速发现，chatGPT 给的这段代码速度慢了 50%
╰─➤ time python pre001.py
python pre001.py 10.29s user 0.98s system 118% cpu 9.502 total╰─➤ time python pre002.py
python pre002.py 15.91s user 0.99s system 111% cpu 15.185 total能够看到新版的比原版的慢 50%，所以这个思路失败了
对于这两个形式是否可能利用多核 CPU，我发现都是不行的
正文完
