问题标签 [darkflow]

我正在尝试在darkflow yolo 模型上使用 tensorflow android 运行推理。我可以在默认的 tiny-yolo-voc 模型上成功运行，但是当我将模型（以及相应的参数）更改为 yolo 模型时，出现以下异常：

我假设关于这个问题的评论，tensorflow 无法识别 ExtracImagePatches 运算符。但是我怎样才能让 tensorflow 在我的 android 设备上识别它呢？

到目前为止我做了什么：

• 根据此从 yolo.cfg 生成带有暗流的 yolo.pb 文件。（使用相同的命令，我生成了 tiny-yolo-voc.pb）：

$ ./flow --model cfg/yolo.cfg --load bin/yolo.weights --savepb --verbalise

• 根据这个可能的解决方案优化了 yolo.pb 文件并将其放置到我的 android 项目的 assets 文件夹中：

$ bazel-bin/tensorflow/tools/graph_transforms/transform_graph --in_graph=../darkflow/darkflow/built_graph/yolo.pb --out_graph=../android/test/TfDroidTest/app/src/main/assets/optimized_yolo .pb --inputs='input' --outputs='output' --transforms='strip_unused_nodes(type=float, shape="1,2,2,1") fold_constants(ignore_errors=true) fold_batch_norms fold_old_batch_norms'

• 根据this修改 mytensorflow/contrib/makefile/tf_op_files.txt以包含该行。tensorflow/core/kernels/extract_image_patches_op.cc

• 使用以下命令重建 android tensorflow：

$ cd tensorflow/contrib/makefile/ && ./build_all_android.sh && cd -

$ ./配置

$ bazel build -c opt //tensorflow/contrib/android:libtensorflow_inference.so --crosstool_top=//external:android/crosstool --host_crosstool_top=@bazel_tools//tools/cpp:toolchain --cpu=arm64-v8a

$ bazel build //tensorflow/contrib/android:android_tensorflow_inference_java

并将 .so 和 .jar 文件添加到我的 android 项目中。

• 使用本机支持重建和部署我的 android 项目。这是我的 InferenceRunner.java 的相关部分：

  /li>

在第二行抛出异常。正如我上面提到的，这适用于 tiny-yolo-voc 模型，但不适用于 yolo 模型。

我在 Ubuntu 16.04，android API 级别 24。如果您需要更多信息，请随时发表评论。感谢您的时间！

我有一个来自darkflow的张量流图，我在 android 设备上运行推理（在 CPU Snapdragon 820 上）。我发现这个图形转换工具可以优化部署模型。所以我优化了我的图表，预计它会比以前更快，但它变慢了大约 10%。

什么会导致这种情况？我究竟做错了什么？

以下是详细信息：

• 我使用来自darkflow的tiny-yolo-voc模型，无需修改。我创建了 tf 模型，如：

$ ./flow --model cfg/tiny-yolo-voc.cfg --load bin/tiny-yolo-voc.weights --savepb --verbalise

• 我使用以下命令优化了图表：

$ bazel-bin/tensorflow/tools/graph_transforms/transform_graph /
--in_graph=../darkflow/darkflow/built_graph/tiny-yolo-voc.pb /
--out_graph=../darkflow/darkflow/built_graph/optimized-tiny -yolo-voc.pb /
--inputs='input' --outputs='output' /
--transforms='strip_unused_nodes(type=float, shape="1,299,299,3") fold_constants(ignore_errors=true) fold_batch_norms fold_old_batch_norms'

• 我的代码：

InfrerenceRunner.java：

MainActivity:onCreate():

MainActivity:onResume():

• 我的 Systrace 输出：

TinyYoloModel 墙持续时间为 5,525ms
OptimizedModel 持续时间为 6,043ms
TinyYoloModel inferenceRun avg: 1051ms
OptimizedModel inferenceRun avg: 1158ms

你知道为什么优化模型变慢了吗？

如果您需要更多信息，请随时发表评论！谢谢你的帮助。

我想根据githubdarkflow的说明使用/Yolo2

安装成功后，我什么也做不了。flow 命令不起作用，我无法加载权重。

我收到以下警告：

der befehl "flow" ist entweder falsch geschrieben oder konnte nicht gefunden werden（命令 "flow" 写错或找不到）

我做了什么：

有人可以帮我解决这个问题吗？

所以我想使用 TF Object Detection API 来计算 YOLO 的 mAP 分数。

目前我正在训练我的 YOLO 模型，它正在生成 ckpt 文件/冻结图形文件。

我想使用我的 YOLO 模型并使用 TF Obj Dec API 对其进行评估。我知道 Eval.py 说

2) 可以提供三个配置文件：一个 model_pb2.DetectionModel 配置文件来定义正在评估的检测模型的类型，一个 input_reader_pb2.InputReader 文件来指定模型正在评估什么数据，以及一个 eval_pb2.EvalConfig 文件来配置评估参数。

示例用法：

但是，对于 darkflow，没有 model_pb2.DetectonModel 配置文件。这可能吗？

我最近对这个关于图像分类的机器学习主题产生了兴趣。
我绝不是程序员，但我是一个对此非常感兴趣的农民，而检测水果和蔬菜的质量是一项非常繁琐且耗时的任务，特别是如果您没有钱购买工业机械以中小型规模执行此任务。

我最近遇到了这个教程（不得不修复很多错误，因为它写得非常糟糕，但它确实有效）：

https://imaginghub.com/projects/148-how-to-distinguish-apples-and-pears-with-raspberry-pi/documentation

这基本上是未来水果/蔬菜质量分级机的基石。

这条传送带将有一个 Arduino，它将接收来自 Python 程序的输出，该输出应激活伺服系统以将每个水果/蔬菜重定向到自己的篮子。

现在我想知道如何从网络获取标签输出并将其转换为数字，例如：

苹果 = 1，橙子 = 2，黄瓜 = 3...

因此，只要是苹果，Arduino 就会收到一个 1 来点亮一个 LED（首先是这个，然后是伺服），橙色和黄瓜等也会发生同样的情况。

这是我认为必须对框标签输出 Deploy.py 和 yolo_net.py 做一些事情的 2 个代码

Deploy.py 是我为获取实时摄像头检测器而运行的文件：

部署.ipynb

这是 yolo_net.py （如果它有助于以某种方式回答我的问题）：

yolo_net.py

我使用我的 GPU - Nvidia 1060 3Gb 将 YOLO 检测与训练模型一起使用，一切正常。

现在我正在尝试使用参数 --gpu 1.0 生成我自己的模型。Tensorflow 可以看到我的 gpu，正如我在开始时所读到的那样：“名称：GeForce GTX 1060 主要：6 次要：1 memoryClockRate(GHz)：1.6705”“totalMemory:3.00GiB freeMemory:2.43GiB”

无论如何，稍后，当程序加载数据并尝试开始学习时，我收到以下错误：“无法从设备分配 832.51M（872952320 字节）：CUDA_ERROR_OUT_OF_MEMORY”

我检查了它是否尝试使用我的其他 gpu (Intel 630)，但它没有。

当我在没有“--gpu”模式选项的情况下运行训练过程时，它工作正常，但速度很慢。（我也试过 --gpu 0.8, 0.4 等）

知道如何解决吗？

我正在训练 Yolo2 (darkflow) 并希望更改间隔（例如每 100 步）以创建检查点。

火车指挥：

像这样的东西：

我找不到命令。谢谢 ！

目前我正在尝试在安装了摄像头的 RPi 零上运行暗流。

使用暗流检测有点慢，但在 pi 3 上运行良好。（虽然编译 opencv3 需要几个小时）所以我认为它在 pi 零上很相似，但事实并非如此。

我设法安装了 opencv 3.3.1（花了一天时间来构建）和 tensorflow（使用
tensorflow-1.4.0-cp35-none-any.whl 从 tensorflow-1.4.0-cp34-none-any.whl 重命名），并且他们工作正常（有点......由于python版本不兼容，tensorflow显示了一些警告 - 但根据Pete Warden的博客它无论如何都可以工作：https ://petewarden.com/2017/08/20/cross-compiling-tensorflow-为树莓派）

用

没有任何问题。（它实际上是 python3，因为我在 venv 和 python3 上）

但是当我尝试检查检测是否适用于以下命令时：

它给出了错误：

我不知道出了什么问题以及如何解决这个问题。你能帮忙吗？

当尝试将 yolo 用于 python 时，我遵循了https://github.com/thtrieu/darkflow我安装了流使用

但是，当运行时

我明白了

当我调用 python 时，我进入 python 3.6，如果 import cv2 它没有任何问题，即导入 cv2。

打电话时

我明白了

所以flow确实调用了错误的python版本。我想，也许我应该删除我电脑上的 python 3.5 版本，但在寻找如何做到这一点时，我只发现我不应该这样做的警告。

所以我的问题是：怎么做才能奏效？

也许其他相关信息：

并且（我尝试先用 pip 安装 flow，但是没有用）

我正在开发 Ubuntu 16.04.3 LTS

我目前正在尝试运行一个名为 YOLO (darkflow)的对象检测器。

我已经安装了 CUDA 8.0、CudNN 5.1、tensorflow 1.0 和 tensorflow-gpu（均通过 pip 安装）。

我正在使用以下命令行测试 YOLO：

问题是：即使使用 --gpu 1.0，它的运行速度约为 0.8 FPS。

在运行它时，我使用nvidia-smi来监控我的 GPU，这就是我得到的：

显然 tensorflow 没有在我的 GPU 上运行它。

GTX 650 根据 NVIDIA 的计算能力是 3.0，所以使用 tensorflow-gpu 应该没问题。