问题标签 [tensorflow-lite]

这里只是一个一般性问题，没有可重复的示例，但认为这可能是正确的地方，因为它非常特定于软件。

我正在构建一个要转换为.tflite. 它依赖于tf.hub.text_embedding_collumn()特征生成。当我转换为时，.tflite这是否会被捕获，以便生成的模型将原始文本作为输入而不是稀疏向量表示？

在我在这种方法上投入太多时间之前，一般情况下了解一下会很好。提前致谢！

我正在使用 OCR 和 Tensorflow 构建一个 Android 应用程序。它扫描超市的价格标签，并将扫描的数据放入不同的字段。我已经完成了 OCR 部分，因此图像 -> 文本识别工作正常，而 Tensorflow 只需要处理文本输入。

总的来说，我是 TensorFlow 和机器学习的新手。是否可以使用 Tensorflow 完成以下工作，如果可以，您能否分享一些关于如何做到这一点的想法？

平均输入如下所示：

目标是按如下方式对这些数据进行排序：

确定如何对特定字符串进行分类的参数是：

• 案子
• 电话号码
• 超市（默认为已知）
• 总行数
• 字母/数字比例

我下载了最新的 tensorflow lite 演示，展示一下：

你能帮助我吗？

我从 Tensorflow Hub 重新训练了一个 mobilenet-v1 图像分类模型，并使用 toco 将其转换为使用 Tensorflow Lite 进行推理。

但是，当我使用 tflite 模型运行推理时，它需要的输入大小与我使用--input_shape.

如何根据自己的数据重新训练 mobilenetv1 量化模型？

这是我尝试的步骤：

• 从 tensorflow 为诗人 codelab 下载训练数据集

• 使用上面的数据集在 TF Hub 上重新训练mobilenet v1 量化模型

  python retrain.py \ --bottleneck_dir="${IMAGE_DIR}"/tf_files/bottlenecks/ \ --how_many_training_steps=1000 \ --model_dir="${IMAGE_DIR}"/tf_files/models/mobilenet_v1_050_224 \ --summaries_dir="${IMAGE_DIR}"/tf_files/training_summaries/mobilenet_v1_050_224/ \ --output_graph="${IMAGE_DIR}"/tf_files/retrained_mobilenet_v1_050_224.pb \ --output_labels="${IMAGE_DIR}"/tf_files/retrained_labels.txt \ --tfhub_module=https://tfhub.dev/google/imagenet/mobilenet_v1_050_224/quantops/classification/1 \ --image_dir="${IMAGE_DIR}"/tf_files/flower_photos

• 验证模型是否经过正确训练，输入/输出张量名称是否正确 python label_image.py \ --graph="${IMAGE_DIR}"/tf_files/retrained_mobilenet_v1_050_224.pb \ --labels="${IMAGE_DIR}"/tf_files/retrained_labels.txt \ --input_layer=Placeholder \ --output_layer=final_result \ --input_height=224 --input_width=224 \ --image="${IMAGE_DIR}"/tf_files/flower_photos/daisy/21652746_cc379e0eea_m.jpg

• 将模型转换为 tflite

  toco \ --input_file="${IMAGE_DIR}"/tf_files/retrained_mobilenet_v1_050_224.pb \ --output_file="${IMAGE_DIR}"/tf_files/mobilenet_v1_050_224_quant.tflite \ --input_format=TENSORFLOW_GRAPHDEF \ --output_format=TFLITE \ --input_shape=1,224,224,3 \ --input_array=Placeholder \ --output_array=final_result \ --inference_type=QUANTIZED_UINT8 \ --input_data_type=FLOAT

虽然我指定--input_shape=1,224,224,3了 ，但是当我运行推理时，我得到了一个错误：

java.lang.IllegalArgumentException: DataType (1) of input data does not match with the DataType (3) of model inputs.

所以我用 tensorflow 训练了一个对象检测模型。

我使用包含交通标志的数据集重新训练模型 (ssd_mobilenet_v2)，每个图像大小为 1920x1080。经过训练的模型在桌面上运行时效果非常好。

现在，当我使用 tfMobile 在移动设备上运行它时，模型表现不佳。让我印象深刻的一件事是移动预测的输入减少到 300x300。

这影响有多大？在具有相同大小或纵横比的图像上重新训练模型会提高移动设备上的模型准确性吗？

我也觉得我的模型比 android 演示中提供的模型要慢得多。

我叫振宇。我研究 tensorflow lite。我能问一下 TensorFlow Lite 架构吗？

首先，请参阅“ https://www.tensorflow.org/mobile/tflite/ ”。它解释了内核。什么是“内核”？

1. 内核方法（来自 SVM）
2. 内核实现（如 Const、Var、MatMul、Conv2D、ReLU）-> https://www.tensorflow.org/extend/architecture

先感谢您。

tflite_convert是一个 python 脚本，用于调用 TOCO（TensorFlow Lite 优化转换器）将文件从 Tensorflow 的格式转换为与 tflite 兼容的文件。

我正在尝试从我用Estimator. 训练代码非常简单，我根据定点量化指南中的要求添加了微调模型所需的修改：

我遇到的第一个问题是，在添加量化操作后，不可能简单地使用最新的检查点继续训练。这是因为量化添加了在检查点中找不到的额外变量。我解决了编写一个热启动规范，该规范按名称过滤掉所有新变量，并将训练中的最新检查点用作热启动检查点。

现在，我想生成一个评估图以保存（使用相关变量），然后通过tflite_convert脚本将其提供给 TOCO。我尝试SavedModel在每次评估后转换导出的 s 之一，但这会引发以下错误：

数组 conv0_bn/FusedBatchNorm 是 Relu 算子的输入，产生输出数组 cell_stem_0/Relu，但缺少量化所需的最小/最大数据。以非量化输出格式为目标，或者更改输入图以包含最小/最大信息，或者如果您不关心结果的准确性，则传递 --default_ranges_min= 和 --default_ranges_max=。中止（核心转储）

我不知道如何获得正确的SavedModel或一对GraphDef+检查点（尽管 SavedModel 是可取的）有没有人尝试量化估计器模型？如何生成量化评估图？

尝试导入优化的冻结图时，我遇到了异常。

在此行中获取异常：

Traceback（最近一次调用最后）：文件
“/home/automator/PycharmProjects/tensorflow/venv/lib/python3.5/site-packages/tensorflow/python/framework/importer.py
”，第 489 行，在
import_graph_def graph._c_graph , 序列化, 选项) # pylint: disable=protected-access
tensorflow.python.framework.errors_impl.InvalidArgumentError: Input 0 of node
import/final_retrain_ops/Wx_plus_b/weights_quant/AssignMinLast 是
从
import/final_retrain_ops/Wx_plus_b/weights_quant/min 传递的浮点数： 0
与预期的 float_ref 不兼容。在处理上述异常的过程中，又出现了一个异常：Traceback（最近一次调用last）：
文件“/snap/pycharm-community/64/helpers/pydev/pydevd.py”，第 1664 行，在 main() 文件“/snap/pycharm-community/64/helpers/pydev/pydevd.py”，第 1658 行，在
main globals = debugger.run(setup['file'], None, None, is_module) File "/snap/pycharm-community/64/helpers/pydev/pydevd.py", line 1068, in run pydev_imports.execfile( file, globals, locals) # 执行脚本 File
"/snap/pycharm-community/64/helpers/pydev/_pydev_imps/_pydev_execfile.py", line 18, in execfile exec(compile(contents+"\n", file, ' exec'), glob, loc) 文件“/home/automator/PycharmProjects/tensorflow/tfliteme.py”，第 389 行，
在 printTensors("/home/automator/Desktop/cervix/optimized_model.铅")
文件“/home/automator/PycharmProjects/tensorflow/tfliteme.py”，第
374 行，在 printTensors tf.import_graph_def(graph_def) 文件“
/home/automator/PycharmProjects/tensorflow/venv/lib/python3.5/site-packages/ tensorflow/python/util/deprecation.py”，第 432 行，在
new_func 返回 func(*args, **kwargs) 文件“
/home/automator/PycharmProjects/tensorflow/venv/lib/python3.5/site-packages/tensorflow /python/framework/importer.py"，第 493 行，在
import_graph_def 中引发 ValueError(str(e)) ValueError：节点 import/final_retrain_ops/Wx_plus_b/weights_quant/AssignMinLast 的输入 0 从 import/final_retrain_ops/Wx_plus_b/weights_quant/ 传入
浮点数
min:0 不
兼容

预期的 float_ref。

我正在尝试将经过训练的 Keras 模型从.pb文件转换为.tflite文件：

但是，当我运行此代码时，会出现一条错误消息：

AttributeError：模块“tensorflow.contrib.lite”没有属性“toco_convert”

如何解决这个问题呢？

我一直在尝试 TensorFlow lite，但在 Android 上的检测一直存在问题，所以我正在尝试测试我的 .pb 和 .tflite 模型，看看与 tflite_diff_example_test 是否有区别

我重新训练了一个已转换为 .tflite 的 mobilenet_v1_100_224

我在 MacOS 10.13.3 上运行以下：

我得到以下输出：

我不知道问题出在哪里