问题标签 [mobilenet]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - ssd mobilenet v1:更改特征图布局
我正在尝试重新训练 SSD 模型以检测一类自定义对象(吉他)。我正在使用ssd_mobilenet_v1_coco模型,其中包含从 OpenImage 数据集下载的 1000K 预标记图像的数据集。
我指的是这个答案,试图改进对图像中小物体的检测。
正如那里所建议的那样,我想在已经存在的特征图上添加一个额外的特征图(Conv2d_5_pointwise),因此总共有 7 个特征图。所以,我这样修改了“models/ssd_mobilenet_v1_feature_extractor.py”:
因此,我也将配置文件中的num_layers更改为 7。
但是,当尝试使用 main_model.py 训练模型时,我收到错误消息
我应该修改其他任何东西以使其工作吗?谢谢!
python - 无法使用 tflite 对象检测模型推断结果
我通过重新训练模型成功地将 ssd_mobilenet_v3 模型转换为 .tflite。(之前在 coco 数据集上训练过)
但是,在使用此模型进行对象检测以使用以下代码对单个图像运行推理时:
我收到以下错误:
请解释错误和可能的解决方案。
张量流版本:1.1.4
操作系统:Ubuntu 18.04
蟒蛇:3.7
PS:我将分类器模型(inception_v2)转换为tflite并使用上面的代码(“interpreter = tf.lite.Interpreter(model_path)”)没有任何错误!
tensorflow - 我试图训练一个基于MobilenetV2的图像分类器,但是loss一直无法收敛,我不确定我是否正确使用了tensorflow
我尝试使用 MobilenetV2 模型作为图像分类器。有 10 个类别,是从 ImageNet 的分类数据集中随机选择的。但是损失在训练过程中并不收敛,它总是倾向于以较大的值来回波动。我不知道我是否正确使用了tensorflow API,因为我对新版本中的eager模式了解不多。谁能帮我?非常感谢。
我使用的版本是 1.14。我尝试直接在 2.0 版本上运行代码,得到了类似的结果。我使用的模型来自https://github.com/qxde01/keras-alchemy/blob/master/models/mobilenet_v2.py
下面是我的训练代码和数据集处理代码:
以下是培训过程的打印内容:
tensorflow - ssd_mobilenet_v1_coco 与 ssd_mobilenet_v1_quantized_coco
我知道一个可能接受过量化意识训练并且正在量化,而另一个则没有。他们的两个检查点有什么区别吗?因为两者都有相同大小的检查点。我想通过珊瑚边缘 tpu 的量化感知训练为我自己的数据集训练ssd_mobilenet_v1 。当我使用ssd_mobilenet_v1_quantized_coco的检查点时,程序给了我错误,但是如果我使用ssd_mobilenet_v1_coco的检查点,训练成功开始,虽然因为这条线它很慢graph_rewriter { quantization { delay: 0 weight_bits: 8 activation_bits: 8 } }
python - ValueError: Tensor Conversion Error Tensorflow
I create tfrecord
files and put them in the right directory
C:\Users\Admin\Desktop\models\research\object_detection\data
and then I run train.py
then this error pops up
How do I resolve this problem?
I tried some tips I found online and some answers said to put the tfrecord
in the right directory, I have tried it and it didn't help, and
What I expect inside the tfrecord
file? cause when I open it it is mostly random characters.
python - Lucid 能否可视化 MobileNet V3 Squeeze/Excite 块
我已经使用提供的 MobileNet V3 定义(小)训练了许多图表,但是当我运行(tensorflow)Lucid 以生成可视化时,Lucid 失败并出现错误。如果我修改定义以排除 Squeeze/Excite 块,则会生成可视化。
安装了 Tensorflow 1.14 和 Lucid,我从这里下载了训练有素的 MobileNet V3 图形文件“Small dm=0.75 (float)”(https://github.com/tensorflow/models/tree/master/research/slim/nets/mobilenet ),将文件解压缩到我的“D:/temp”中,然后运行以下代码:
有相当多的堆栈跟踪,但关键错误是:
和
然后我尝试使用“mobilenet_v3.py”中的 V3_SMALL_MINIMALISTIC 定义(注册一个新的特征提取器)来训练一个测试模型。这本质上是相同的模型,但没有“squeeze_excite”插入(尽管我也恢复了 hard_swish 激活函数)。
上面的代码在新模型上运行良好,渲染图像。
这让我相信问题在于“squeeze_excite”实现(在 slim/nets/mobilenet/conv_blocks.py 中)。
但我无法进一步诊断问题:是 Lucid,是 Squeeze/Excite 块,是 TensorFlow,还是只是一个关于世界的事实?
python - 验证损失和验证准确度曲线随预训练模型波动
我目前正在研究神经网络,在尝试学习 CNN 时遇到问题,我正在尝试训练包含有关音乐流派的频谱图的数据。我的数据由 27000 个频谱图组成,分为 3 类(流派)。我的数据以 9:1 的比例拆分用于训练和验证
谁能帮助我,为什么我的验证损失/准确性的结果会波动?我正在使用 Keras 的 MobileNetV2 并将其与 3 个 Dense 层连接。这是我的代码片段:
这些是我的验证损失和验证准确度曲线波动太大的图片
有没有办法减少波动或让它变得更好?我在这里有过度拟合或拟合不足的问题吗?我曾尝试使用 Dropout() ,但它只会让情况变得更糟。我需要做什么来解决这个问题?
感谢之前,Aquilla Setiawan Kanadi。
android - MobilenetV2 在移动设备上实现的问题
在 cifar10 数据集上训练的 MobilenetV2 tflite 模型需要形状为 1x32x32x3 的输入图像(因为在训练期间使用了批处理标志)但是为了将模型转储到移动设备中,我从相机中获得了 32x32x3 形状图像,因此现在无法将数据输入 tflite.interpreter .......任何建议
tensorflow - 使用 TFLite 量化模型的参数进行计算操作
我正在尝试使用取自此处的量化 Mobilenetv2 模型在硬件中实现图像分类。为此,我首先需要从头到尾重现推理过程,以确保我了解对数据执行的计算/操作。
第一个目标是Conv 函数。我可以看到它是如何计算的,但是有几个参数传递给这个函数,我想知道它们是如何产生的output_offset, output_multiplier,output_shift, output_activation_min, output_activation_max
:我找不到使用这些参数调用Conv()函数的前一个函数。这有望让我了解这些论点是如何产生的。有人可以指出我源代码的正确行吗?
源代码中的另一个空白是interpreter.invoke()函数。我希望跟踪并查看接下来会发生什么,但找不到实现invoke()函数的源代码。非常感谢您的帮助!
tensorflow - Tensorflow 对象检测 API 不工作,即使损失很低
我想创建一个带有 tensorflow 对象检测 API 的模型来检测信用卡中的卡号。因此,我准备了大约 50000 张卡片用于训练和 15000 张卡片用于验证的卡片数据集。我的模型是 SSD_Mobilenet_V1_0.25_224,我运行了 280K 步的训练。一切看起来都很好,我total_training_loss
低于 1 约 0.8,我validation_classification_loss
的为 0.7,validation_localication_loss
约 0.02,average_persion
为 1.0。这是我的情节,它们似乎很好:
这是我的配置:
一切似乎都很好,但是当我将模型导出为 tflite 格式并在移动设备上使用时,它没有找到任何卡号。这是我的数据集的一个示例:
我的模型似乎过拟合了吗?我该如何解决这个问题?
谢谢!