问题标签 [mobilenet]

我试图将mobilenetv2模型分成两部分。

我首先想运行模型的第一部分，保存输出，然后出于某些原因将其提供给第二个模型。我尝试过在此处找到的代码，但出现以下错误：

我认为这是因为该模型不是顺序的。有人可以帮忙吗？

使用迁移学习，我在 TensorFlow (tensorflow-gpu==1.15.0) 中训练了 SSD MobileNetV2 (ssd_mobilenet_v2_coco.config) 模型。在使用 TensorFlow API Python 脚本 (export_inference_graph.py) 冻结图 (.pb) 后，我使用 OpenCV wiki (tf_text_graph_ssd.py) 中提供的 Python 脚本创建了一个文本图 (.pbtxt)。

我使用 wiki 中的 Python 代码片段来测试推理，但出现以下错误：

我正在使用 Windows 10、Python 3.6.8 和 OpenCV 4.2.0.32。我曾尝试降级 OpenCV，但早期版本会给出不同的错误。

但是，在 Ubuntu 18.04.4 中，从源代码安装 OpenCV，我没有收到任何错误。有人知道这是否是 Windows 的 OpenCV 二进制轮子中不兼容的层吗？我应该等到下一个版本吗？

我想重新训练量化的 Mobilenet-SSD V2 模型，所以我从 COCO 下载了未标记的文件夹。这个模型需要 300x300 的输入尺寸，但我成功地在不同尺寸的图片上重新训练了一次，它工作（很差，但工作）。此外，使用重新训练模型的代码将来自相机的输入大小调整为 500x500，并且可以正常工作。所以我的问题是，如果它也适用于其他尺寸，为什么它会写出所需的输入是 300x300？在标记它们之前，我是否需要将所有数据集的大小调整为 300x300？我知道它会对输入进行卷积，所以我认为大小并不重要（如果我错了，请纠正我）。据我所知，卷积一直持续到我们到达输入的末尾。

感谢您的帮助！

我想用我自己的图像使用 ssd + mobilenetv2 模型进行迁移学习。我只有一堂课。图像是从 OpenImageDataSet 下载的。我使用了 tensorflow 的对象检测 API。但是训练停留在 step = 0。

我验证了 TFRecord 已正确创建，因为我可以使用相同的数据通过对象检测 API 训练 fast_rcnn。我使用 repos 中的配置文件创建了自己的配置文件：ssd_mobilenet_v2_oid_v4.config。

我还尝试使用相应的配置文件从 ssd_mobilenet_v2_coco_2018_03_29.tar.gz 开始。行为是一样的——它也停留在同一个地方。

我正在尝试使用此代码进行图像分类。当用户提供图像时，将加载 mobilenet 模型以进行预训练的图像。但是，我无法在 nodejs 中加载 mobilenet 模型。我正在使用最新版本的 nodejs。所以，这是我的尝试代码：

当我使用节点分类香蕉.jpg运行时，它给了我这个错误。将如何处理？

在迁移学习中，我认为我的 model.fit_generator 进入了无限循环。我不知道怎么做。这是我的 Colab 笔记本链接https://colab.research.google.com/drive/1o9GNCQdMeh4HZdiZ5QAjiDDkixn-OsXx

这是 model.fit_generator 的图像

我的目标很简单，我想。我想将预训练的 mobilenetv2（或 v1）ssd 模型转换为 TFLite，并按照此处所述进行量化和优化。但即使没有任何量化，将模型转换为 TFLite 模型时也会出错。

错误信息：

\tensorflow/lite/toco/toco_tooling.h:38] 检查失败：s.ok() 发现 StridedSlice 作为 Switch 的非选定输出，但仅支持 Merge。一般不支持 Switch 和 Merge 等控制流操作。我们正在努力解决这个问题，请参阅 Github 问题https://github.com/tensorflow/tensorflow/issues/28485。致命的 Python 错误：中止

我花了几天时间将预训练的 mobilenetv2 ssd 模型转换为 TFLite。我知道命令行 (export_tflite_ssd_graph.py) 解决方案适用于转换，但不适用于限定部分。我也想编写 python 代码来做同样的事情并优化（压缩、量化）模型。我一直没能做到。有什么建议么？

我的问题可以总结如下：

1. 如何使用类似于上述代码块的 python 代码将预训练的 mobilenetv2（或 v1）ssd 模型转换为具有量化和优化的 TFLite。
2. 如何将预训练的 mobilenetv2（或 v1）ssd 模型转换为 TFLite，并使用命令行进行量化和优化（对象检测 API 和 TFLite API，如果有）

我按照本教程学习了如何在 node.js 中使用 tensorflow.js 模型 mobilenet：链接

现在我正在尝试使用我自己的 tensorflow.js 模型，该模型使用 @teachablemachine/image 包在可教机器上训练：link

这是我的代码：

当我运行它时，我得到错误：

这导致我：

完整文件在这里：链接

所以我可以看到案例 0-2 没有被触发，对于案例 3，元数据文件没有传递 isMetadata 函数，它是：

我认为这可以测试文件是否未定义并且具有标签数组。

我不确定从那里去哪里，因为我不理解该文件中的其余代码。我将尝试另一种方法，但我想我可能会发布此包装，有更多经验的人可以清楚地看到问题并想帮助教我一些东西或为我指出正确的方向，或者只是简单地告诉我，以我的经验水平不是正确使用我的时间。

谢谢阅读。

我想用caffe训练我的网络，但不幸的是，当我尝试运行 train.sh 时，该过程中止，没有显示特定的错误消息。我已经创建了预训练的权重、model.prototxt 和 LMDB 数据库，我检查了它是否正常。所以这是我的整个控制台输出（由于字符限制，只有有趣的部分）：

我想这可能是内存问题，因为它在 conv 层的 buildinf 中失败（我正在 CPU 上训练），但我的批量大小已经为 24。有谁知道究竟是什么导致了这个问题以及如何解决它？ 谢谢！

我目前正在使用 TensorFlow 1.x 中的 SSD MobileNetv2 运行实时对象检测器，并且想知道当视频流检测到其中一个类时是否有任何方法可以保存图像。

基本上，我已经构建了检测器来检测 4 个类，并希望在检测到其中一个类时保存图像（也许它可能会以一系列图像的形式出现，仍然可以）。

我如何实现这一目标？它还有其他变化吗？