PyTorch分割模型转CoreML遇异常：.mlpackage无法在Netron打开

• 从PyTorch获取DeepLabV3 + MobileNet模型，保存的.pt文件可正常在Netron中打开；但转换为.mlpackage后，尽管文件大小约22MB，Netron打开时却提示“文件无内容”。
• 要求模型输入为图像类型而非多维数组。
• 已测试多个torch和torchvision版本，CoreML支持的最新torch版本为2.4，需搭配对应低版本torchvision，安装命令如下：

pip install "torch==2.4" "torchvision==0.19"
pip install coremltools

完整转换代码：

import torch
import torch.nn as nn
from torchvision import transforms
from PIL import Image
import coremltools as ct

# 加载预训练的DeepLabV3模型（MobileNetV3 backbone）
model = torch.hub.load('pytorch/vision:v0.19.0', 'deeplabv3_mobilenet_v3_large', pretrained=True)
model.eval()

# 模型包装类
class Deeplabv3Wrapper(nn.Module):
    def __init__(self, model):
        super(Deeplabv3Wrapper, self).__init__()
        self.model = model

    def forward(self, x):
        outputs = self.model(x)
        return outputs['out']  # 返回分割掩码对应的'out'张量

# 定义预处理变换
preprocess = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), # 取值来自PyTorch官方文档
])


dummy_image = Image.new("RGB", (513, 513), color="white")
dummy_tensor = preprocess(dummy_image).unsqueeze(0)  # 添加batch维度

# 包装并追踪模型
wrapped_model = Deeplabv3Wrapper(model)

# 使用TorchScript追踪模型
traced_model = torch.jit.trace(wrapped_model, dummy_tensor)
print("模型追踪完成")

# 保存追踪后的模型
torch.jit.save(traced_model, "traced_deeplabv3.pt") # 可在netron.app中正常打开
print("模型已成功保存为pt格式")


traced_model.eval()

example_input = torch.randn(1, 3, 513, 513)


model_from_trace = ct.convert(
    traced_model,
    inputs=[ct.ImageType(name="input_image", shape=example_input.shape, scale=1/255.0, bias=[-0.485, -0.456, -0.406])],
    outputs=[ct.TensorType(name="output")]
)

print("模型转换完成")

model_from_trace.save("DeepLabV3_MobileNet.mlpackage") # 无法在netron.app中打开，报错："File has no content"

print("模型已成功保存为mlpackage格式")

执行代码后，.pt文件可正常在Netron打开，但生成的.mlpackage无法打开。

内容的提问来源于stack exchange，提问作者emptyPigeon