将 pytorch 转换为 CoreML 时，您可以控制输出吗？

如何解决将 pytorch 转换为 CoreML 时，您可以控制输出吗？

❓问题

我正在尝试将 pytorch 模型转换为 coreml。模型基于yolov5。

这是我们导出的 coreml 模型的 netron 视图。

目前，该架构有 3 个输出。您可以在屏幕截图中看到输出之一，编号“740”。

但是，我们想要与 coreml 不同的输出。我们需要在 reshapestatic 和 transpose 层之前获得输出。所以在这张图片中你可以看到我们需要最后一个卷积层而不是 740。

那些 reshapestatic 和 transpose 层是在将 net 转换为 coreML 的过程中添加的，它们不是 yolov5 的有机层。

有什么方法可以让我们以不同的方式转换到 coreml，以便更好地控制输出哪些层？例如，我们能否控制下面示例代码中的输出层：

model = ct.convert(
    traced_model,inputs=[ct.ImageType(name="input_1",shape=example_input.shape)],classifier_config = ct.ClassifierConfig(class_labels) )

或者，有没有一种方法可以让我们在运行时选择从 coreml 模型中提取哪些值？例如，有没有办法在下面的代码中指定我们要输出哪些层？

img = load_image(img_path,resize_to=(img_size,img_size))
//can we specify here which layers to output?
coreml_out_dict = model.predict({'image': img})

谢谢！