问题标签 [tensorflow-lite]

基本上我正在尝试使用谷歌预先训练的Speaker-id 模型进行说话人检测。但这是一个 TensorFlow Lite 模型，我无法在我的 Linux 电脑上使用它。为此，我试图找到一个转换器回到它的冻结图模型。对此转换器的任何帮助或在桌面本身上使用 tensorflow Lite 预训练模型的任何直接方式将不胜感激。

我正在尝试将我的 TensorFlow 冻结模型转换为 tflite 模型。当我运行 toco 时，我收到一条错误消息，如下所示

我是这样称呼 toco 的：

这是我在操作过程中的终端打印输出：

我进入了propagate_fixed_sizes.cc 文件，在第982 行附近，我在下面找到了这条评论

我使用 ArgMax 的训练代码中唯一的地方如下：

你知道解决这个问题的方法是什么吗？对此的解决方案将不胜感激。

所以我正在尝试使用 Tensorflow-lite 版本 0.1.1。

但是当我在 gradle 依赖项中添加库时，我得到：

错误：将字节码转换为dex时出错：原因：com.android.dex.DexException：多个dex文件定义LR；

我正在使用 AGP 3.1.0-alpha5，但我在 alpha06、alpha07 中也遇到错误（不同的错误）...我使用的是 multidex，但它设置正确并且在没有 tensorflow 的情况下工作。

我试图删除 D8（这里的东西）并更改 gradle 包装器版本......但仍然没有运气。

我不太明白这个错误是什么意思，那么有人可以解释一下多个 dex 文件定义 LR 的含义吗？或者给出一些解决方案？

编辑1：

我对什么是类/文件LR更感兴趣。我确实知道一个类在我的 dex 文件中定义了两次，但我不明白这个类是关于什么的。因此，解决问题变得更加困难。

任何帮助表示赞赏！

有没有人在非安卓/非 iOS ARM64 平台上构建过 TensorFlow Lite？tensorflow.org 仅讨论 Android 或 iOS 上的 lite/mobile 版本，但似乎 Lite 版本适用于更广泛的嵌入式域，可以在任何 64 位处理器上使用。我正在寻找对带有普通 linux 平台的 ARM 64 的支持。

I am using Android Studio 3.0.3 with Gradle 3.3 and I was trying to build:

https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/lite/java/demo

But I was troubled by this issue:

我正在尝试将我的 *.pb tensorflow 模型转换为 coreML。我一直无法识别模型的输出节点。

为了获得我的输出节点，我尝试在我的 *.pb 文件上构建和运行 summarise_graph，但遇到了问题。下载源代码后如何构建和运行summarize_graph？

我已经运行了以下命令：

我收到以下错误：

信息：分析了 0 个目标（加载了 0 个包）。信息：找到 0 个目标...信息：经过时间：0.389 秒，关键路径：0.01 秒信息：构建成功完成，总共 1 个操作 bazel-bin/tensorflow/tools/graph_transforms/summarize_graph：没有这样的文件或目录

发出 bazel 命令后，我执行命令的位置会出现一个空白的 bazel-bin 目录。

注意，summary_graph 在我的 tensorflow 安装中不存在。所以我从 github tensorflow/tools/graph_transforms 下载了源代码并将其复制到我的 tensorflow/tools/graph_transforms 目录中。

该目录包含以下内容：

构建 README.md 初始化.py 初始化.pyc add_default_attributes.cc add_default_attributes_test.cc backports.cc backports_test.cc compare_graphs.cc fake_quantize_training.cc fake_quantize_training_test.cc file_utils.cc file_utils.h file_utils_test.cc flatten_atrous.cc flatten_atrous_test.cc fold_batch_norms.cc fold_batch_norms_test.cc fold_constants_lib fold_constants_lib.cc fold_constants_test.cc fold_old_batch_norms.cc fold_old_batch_norms_test.cc freeze_requantization_ranges.cc freeze_requantization_ranges_test.cc fuse_convolutions.cc fuse_convolutions_test.cc insert_logging.cc insert_logging_test.cc obfuscate_names.cc obfuscate_names_test.cc out python quantize_nodes.cc quantize_nodes_test.cc quantize_weights.cc quantize_weights_test.cc remove_attribute.cc remove_attribute_test.cc remove_device.cc remove_device_test.cc remove_ema.cc remove_ema_test。cc remove_nodes.cc remove_nodes_test.cc rename_attribute.cc rename_attribute_test.cc rename_op.cc rename_op_test.cc round_weights.cc round_weights_test.cc set_device.cc set_device_test.cc sort_by_execution_order.cc sort_by_execution_order_test.cc sparsify_gather.cc sparsify_gather_test.cc strip_unused_nodes.cc strip_unused_nodes_test.cc .cc transform_graph.cc transform_graph.h transform_graph_main.cc transform_graph_test.cc transform_utils.cc transform_utils.h transform_utils_test.cccc strip_unused_nodes_test.cc summarize_graph_main.cc transform_graph.cc transform_graph.h transform_graph_main.cc transform_graph_test.cc transform_utils.cc transform_utils.h transform_utils_test.cccc strip_unused_nodes_test.cc summarize_graph_main.cc transform_graph.cc transform_graph.h transform_graph_main.cc transform_graph_test.cc transform_utils.cc transform_utils.h transform_utils_test.cc

我在使用 macbook pro

谢谢！

从头开始训练深度学习模型需要非常大的数据集。即使微调现有的预训练模型也可能需要来自目标类的许多示例。当在现场使用基于 tensorflow-lite 的应用程序时，它可能会接触到一组新的有用的输入，如果它们被捕获，这些输入可以作为额外的训练数据。

是否有一个应用程序级代码和后端堆栈的工作示例来进行捕获和存储？

我正在尝试在 x86_64 PC 上使用 tensorflow-lite 测试我的模型。

我编写了一个 c++ 测试代码并成功解释了给定的 mobilenet 模型并执行了推理。我想将模型中的一些操作更改为我的自定义操作。在此之前，我检查了是否可以正确地将 .tflite 转换为 json。我所做的是使用 flatc 和 tensorflow lite 的架构（schema.fbs）将 mobilenet.lite 更改为 mobilenet.json，并将 mobilenet.json 重新更改为 mobilenet_new.lite。但是，当我测试 mobilenet_new.lite 时，出现如下错误： tensorflow/contrib/lite/kernels/kernel_util.cc:35 std::abs(input_product_scale - bias_scale) <= 1e-6 * std::min(input_product_scale, bias_scale ) 不是真的。

当我将 mobilenet_new.lite 转换为 mobilenet_new.json 时，两个 JSON 文件是相同的，没有任何区别。为什么会发生此错误？如果参数值相同，这怎么可能？

如果你有这方面的知识，请给我帮助。

谢谢

我使用 mobileNet 预训练模型进行对象检测。我拥有 freeze_graph 文件，并使用工具了解 input_arrays 和 output_arrays。这是我的命令：

当我运行推荐时，会出现以下消息：

最后的错误是：

我真的不知道错误是什么意思，你能帮我吗？谢谢：）

在 Android 神经网络 API 文档中说：从文件描述符创建一个共享内存对象。

但是我在 TFL 源代码上找不到任何指定此文件格式的地方：

分配.cc：

nnapi_delegate.cc

这意味着，TFL 打开文件，并将此文件提供给 NNAPI。我需要的是这个存储张量的文件的格式是什么，它是像 TFL 格式的 flatbuffers 文件吗？

编辑：这是来自 NNAPI 文档的示例：

这个文件training_data，它的内容必须如何结构化才能让 NNAPI 理解？