如何在ML.NET中导入输入为未知长度浮点数组的ONNX模型？

方案1：用VariableLengthVectorType替代固定长度特性 #

ML.NET 1.5及以上版本支持VariableLengthVectorType特性，无需指定固定数组长度，直接标注在输入属性上即可适配任意长度的一维浮点数组：

using Microsoft.ML.Data;

public class OnnxInput
{
    [VariableLengthVectorType]
    [ColumnName("input1")]
    public float[] data { get; set; }
}

public class OnnxOutput
{
    // 根据你的ONNX模型输出结构定义对应属性，示例：
    [ColumnName("output1")]
    public float[] result { get; set; }
}

创建预测引擎的代码保持不变：

var mlContext = new MLContext();
var predictionEngine = mlContext.Model.CreatePredictionEngine<OnnxInput, OnnxOutput>(onnxModel);

方案2：动态Schema定义（适配更灵活场景） #

如果需要完全动态处理输入结构，可通过SchemaDefinition手动构建输入的动态类型：

var mlContext = new MLContext();

// 动态定义输入Schema
var inputSchema = SchemaDefinition.Create(typeof(DynamicOnnxInput));
var dataColumn = inputSchema["data"];
dataColumn.ColumnType = new VectorDataType(NumberDataKind.Single, -1); // -1代表可变长度
dataColumn.Name = "input1";

// 加载ONNX模型
var onnxModel = mlContext.Model.Load("your-model-path.onnx", out var modelSchema);

// 创建动态预测引擎
var predictionEngine = mlContext.Model.CreatePredictionEngine<DynamicOnnxInput, OnnxOutput>(onnxModel, inputSchema);

// 使用时可传入任意长度数组
var input = new DynamicOnnxInput { data = new float[768] }; // 示例长度768
var output = predictionEngine.Predict(input);

配套的基础输入类：

public class DynamicOnnxInput
{
    public float[] data { get; set; }
}

注意事项 #

• 确保你的ONNX模型本身支持可变长度输入（即模型输入维度设置为动态，比如[1, -1]格式），否则即使ML.NET端设置可变长度，运行时也会报错。
• 若使用旧版ML.NET，建议升级到1.5及以上版本以使用VariableLengthVectorType特性。

内容的提问来源于stack exchange，提问作者Ravi