问题标签 [mobilenet]

当我在输出层使用 sigmoid 时，我对一个现象感到困惑，网络工作正常。但是如果我将输出的激活设置为 Relu，网络不会收敛。在第一个 epoch 之后，训练损失不会减少。任何人都可以解释这种现象。

网络的输入是图像。像素被重新缩放为 0-1。输出是一个从 0-1 变化的值。

谢谢。

我使用make_image_classifier命令行工具重新训练了一个 mobilenet_v2 模型以重新训练模型，并使用tfjs-converter为浏览器准备模型。

为了测试 TF Lite 模型，我使用了tflite 示例代码。我遵循了工具的说明，因此使用了提供的代码。

如果我现在尝试在浏览器中预测图像，我不会得到预期的输出。看起来只有概率在没有标签的情况下被打印出来。

输出：张量 [[0.0022475, 0.0040588, 0.0220788, 0.0032885, 0.000126, 0.0030831, 0.8462179, 0.1188994],]

用 python 测试模型效果很好，我得到了带有标签和概率的预期输出。难道我做错了什么？

当我运行此代码时：

这是我得到的错误：

为了克服这个问题，我在 Python 3.7 文件夹中运行了 Certificates.command。但是，当我这样做时，我收到此错误：

即使该过程已完成，我仍然会收到与最初相同的错误。我应该怎么办？

导入移动网络会出错，因为无法导入其依赖项“resnext50_32x4d”。这是在 Torch 中使用移动网络的唯一方法，还是我怎样才能让它工作？

提前致谢

我正在研究一种迁移学习方法，并且在使用来自keras.applicationsTensorFlow Hub 的 MobileNetV2 时得到了非常不同的结果。这对我来说似乎很奇怪，因为两个版本在这里和这里都声称从同一个检查点mobilenet_v2_1.0_224中提取它们的权重。这就是复制差异的方式，您可以在此处找到 Colab Notebook ：

当我尝试对随机批次进行预测时，结果不相等：

来自版本的输出keras.applications总和为 1，但来自 TensorFlow Hub 的版本不是。两个版本的形状也不同：TensorFlow Hub 有 1001 个标签，keras.applications有 1000 个。

印刷(1.0000001, -14.166359)

这些差异的原因是什么？我错过了什么吗？

编辑 18.02.2020

正如 Szymon Maszke 指出的那样，TFHub 版本返回 logits。这就是为什么我在下面添加了一个 Softmax 层create_model_tf： out = tf.keras.layers.Softmax()(x)

arnoegw 提到 TfHub 版本需要将图像标准化为 [0,1]，而 keras 版本需要标准化为 [-1,1]。当我对测试图像使用以下预处理时：

两者都正确预测了相同的标签，并且以下条件为真：np.allclose(out_keras, out_tf[:,1:], rtol=0.8)

编辑 2 18.02.2020 在我写之前，无法将格式相互转换。这是由一个错误引起的。

为了从社区获得帮助，我们鼓励使用 Stack Overflow 和tensorflow.js标签。

不在浏览器中，使用 Node 命令

当我 使用预训练模型 [coco-ssd] 时，我正在使用coco-SSD 的 tensorflow.js for mobilenet v2 ，它工作得非常好，请参见下面的代码

在调用上面的代码node filename.js ./testImage.png时，它会给出想要的结果。

现在我有一个经过自定义训练的 coco-ssd 模型，我已使用以下命令将其转换为 tensorflow.js 格式 **tensorflowjs_converter --input_format=tf_saved_model --output_node_names='num_detections,detection_boxes,detection_scores,detection_classes' --signature_name=serving_default --saved_model_tags=serve ./saved_model ./ **一旦我获得了转换后的model.json，我编写了以下代码以推断自定义转换后的模型。

现在当我运行上面的代码时node fileName.js ./testImage.png得到以下错误

（节点：32504）UnhandledPromiseRejectionWarning：错误：张量必须具有由正整数组成的形状，但形状为 [100，]。 在断言 (C:\Users\xx\tfJs\node_modules@tensorflow\tfjs-core\dist\util.js:105:15) 在 C:\Users\xx\tfJs\node_modules@tensorflow\tfjs-core\dist\ util.js:646:9 at Array.forEach () at Object.assertNonNegativeIntegerDimensions (C:\Users\xx\tfJs\node_modules@tensorflow\tfjs-core\dist\util.js:645:11) at makeTensor (C: \Users\xx\tfJs\node_modules@tensorflow\tfjs-core\dist\ops\tensor_ops.js:73:16) 在 Object.tensor2d (C:\Users\xx\tfJs\node_modules@tensorflow\tfjs-core\dist \ops\tensor_ops.js:189:12) 在 C:\Users\xx\tfJs\tensorflowJs Classifier\coco-ssd.js:17:7039 在 C:\Users\xx\tfJs\node_modules@tensorflow\tfjs-core \dist\engine.js:388:22 在 Engine.scopedRun (C:\Users\xx\tfJs\node_modules@tensorflow\tfjs-core\dist\engine.js:398:23) 在 Engine.tidy (C:\用户\xx\tfJs\node_modules@tensorflow\tfjs-core\dist\engine.js:387:21）

请帮忙 ：-）

我已经下载了用于 Mobilenet v3 的检查点和模型。提取rar文件后，我得到两个文件夹和另外两个文件。目录如下所示

我已经尝试了很多代码，其中很少有人在下面。

上面的代码导致以下错误

我尝试了以下代码：

上面的代码会产生以下错误：

如何加载 Mobilenet v3 模型以及检查点并将其用于我的数据？

我正在尝试使用 ssd mobilenetv2 从 ipcam 视频流中检测小物体。该模型是在这些小物体的高分辨率图像上训练的，这些物体非常靠近相机。图像是从互联网下载的。我发现更改锚框比例和修改特征提取器.py 是解决这个问题的建议解决方案。谁能指导我如何做到这一点？

我正在使用 Keras 2.2.5、Tensorflow 1.15.0，并且我想将 MobileNet 转换为 Tensorflow Lite 以便在颤振应用程序中使用： 我在此链接中的代码

我已经尝试了一切，但仍然卡住了

错误是：

如何在没有迁移学习的情况下从 tensorflow 对象检测模型动物园重新训练 ssd-mobilenet-v2。我的意思是每一个重量，而不仅仅是最后一层。

我是否必须构建网络架构和训练脚本，或者我可以对训练自定义对象检测器的文档中指定的 .config 文件或 train.py 脚本进行一些小的更改。

这种方法会改善/恶化网络准确性/损失吗？

提前感谢您的帮助。