问题标签 [mobilenet]

几种重新训练 MobileNet 以与 Tensorflow.js 一起使用的方法对我来说都失败了。有什么方法可以在 Tensorflow.js 中使用重新训练的模型？

使用现代的、基于集线器的教程以及使用retrain.py似乎都失败了。

• 将 retrain.py 的输出转换为 tensorflow.js
• 将 keras 模型转换为 tfjs 时出错：重复的权重名称变量

以及其他一些未解决的问题

• 在 tensorflow js 中重新训练图像分类器
• 加载 mobilenet v2 有效，但预训练的 mobilenet v2 失败
• 无法将 TensorFlow 保存的模型转换为 tfjs_layers_model webmodel

前两个问题显示了在这两种情况下都失败的代码，两者都没有解决。

目的是加载移动网络，使用自定义数据重新训练，并在 Tensorflow.js 中使用它。遵循这两个教程似乎都失败了。这可以在 node.js 中完成吗？还有其他方法吗？我在哪里犯了错误（或者软件无法使用重新训练的模型）？这怎么行？

编辑：最新的 github 问题和另一个问题

我想将 mobileNetV2 与 tf.keras 一起使用。

如果在 tensorflow 网站上查看 我发现的keras 应用程序

mobilenet = tf.keras.applications.MobileNetV2()

如果我尝试导入 MobileNetV2 from tensorflow.keras.applications import MobileNetV2

我收到一个错误：

ImportError: cannot import name 'MobileNetV2'

如果我查看Keras2 网站，我确实发现只有少数几个应用程序。mobileNetV2（或 V1）不是其中之一。但是V1模型可以加载使用。

如果我点击 tensorflow.keras 网站上的链接，它会将我带到经典的keras 网站，在我看来是 Keras1 而不是 keras2，我错了吗？还说明了显然没有实现的 MobileNetV2。所以我猜链接是错误的。

这一切都让我感到困惑。可能，这都是由于切换到 tf.keras 所致，还是把事情搞混了？

为了更具体地表达我的问题：是否有预定义的、可用的 MobileNetV2 应用程序与 tf.keras 或者我必须手动实现它？

谢谢

编辑：TF 1.10 版。

我正在使用 Keras 的预训练 MobileNet 并希望使用 TensorFlows 联合学习对其进行训练，但我总是收到一个错误，即协议缓冲区无法序列化，因为超过了 2GB 限制。我的输入是 224x224 RGB 图像。

编辑：我有一个包含 1000 个图像的数据集（每个客户端 500 个图像），每个数据集使用 10 个 epoch。

我创建和训练 Keras 模型的代码：

我收到的错误：

我已经用自定义数据集（电池）训练了一个 SSD Mobilenet 模型。下面给出了电池的示例图像，并附上了我用来训练模型的配置文件。

当物体更靠近相机（使用网络摄像头测试）时，它会以超过0.95的概率准确地检测到物体，但是当我将物体移动到更长的距离时，它不会被检测到。经过调试，发现对象被检测到但概率较低0.35。最小阈值设置为 0.5。如果我将阈值 0.5 更改为 0.2，则会检测到对象，但会有更多错误检测。

参考这个链接，SSD对于小物体的表现不是很好，一个替代的解决方案是使用FasterRCNN，但是这个模型在实时上很慢。我也希望使用 SSD 从更远的距离检测电池。

请帮我解决以下问题

1. 如果我们想以更高的概率检测更远距离的物体，我们是否需要更改配置中的纵横比和比例参数？
2. 如果我们想要纵横比，如何选择与对象相关的那些值？

architecture="mobilenet_1.0_128_quantized"我用自己的图像数据集成功地重新训练了 mobilenet 量化模型 ( )：

当我尝试使用将 .pb 文件转换为 .tflite 时

它失败并出现下一个错误：

ValueError：找到了无效的张量“输出”。

我正在尝试在 tensorflow 中使用迁移学习。我知道高级范式

然后编译它

但是我希望在 base_model.input 之前还有一些其他层。我想为进来的图像和其他一些东西添加对抗性噪音。如此有效地我想知道如何：

但这条线base_model.input = x_in显然不是这样做的方法，因为它会引发can't set attribute错误。我如何去实现所需的行为？

我正在尝试使用 OpenVINO 模型优化器转换posenet模型（MobileNetV1架构）。但它抛出如下错误。
我正在使用以下命令进行转换。

我收到的错误是：

我怀疑，我使用了错误的命令，但即使在浏览了它的文档之后也无法弄清楚。任何关于我做错了什么的线索都会非常有帮助。

我想使用https://www.tensorflow.org/model_optimization/guide/pruning中的权重修剪方法修剪 MobileNetV1 模型 但是，我不知道如何设置pruning_schedule.

这是来自 mnist 示例的代码。如果我希望 final_sparsity 为 0.75 并从 keras MobileNet 进行微调，我应该如何设置initial_sparsity、begin_step和？或者我应该使用而不是？end_stepfrequencyConstantSparsityPolynomialDecay

我正在关注本教程https://github.com/tensorflow/tfjs-models/tree/master/mobilenet

当我尝试加载模块时：

我在控制台上收到此错误（使用 tfjs-node）：

我不知道发生了什么事！你可以帮帮我吗？

假设，我想通过 Tensorflow 或 Keras 中的 CIFAR-10 或 CIFAR-100 数据集从头开始训练标准 AlexNet、VGG-16 或 MobileNet。现在的问题是，标准 AlexNet、VGG-16 或 MobileNet 的架构是为ImageNet 数据集，其中每张图像为 224*224，但在 CIFAR-10 或 CIFAR-100 数据集中，每张图像为 32*32。那么我应该执行以下哪个操作？

1. 将 CIFAR-10 或 CIFAR-100 数据集中每个图像的大小从 32*32 调整为 224*224，然后在该修改后的图像数据集上训练标准 AlexNet、MobileNet 或 VGG-16。

或者

2. 更改标准 MobileNet、AlexNet 或 VGG-16 的架构（层数或步幅或过滤器大小），以便修改后的架构可以提供 CIFAR-10 或 CIFAR-100 数据集的 32*32 图像。

如果答案是选项 1，请建议我如何在 tensorflow 或 keras 中调整一批图像的大小

或者如果答案是选项 2，请为 MobileNet、VGG-16 或 Alexnet(layers,stride,filters) 建议一些架构，以便在 32*32 图像的 Cifar 数据集中训练它们

提前致谢。