Выполненных шагов
Step1 - клонировать репозиторий git:
git clone https://github.com/googlecodelabs/tensorflow-for-poets-2
cd tensorflow-for-poets-2
Step2 - Загрузите обучающие изображения или соберите пользовательские изображения:
curl http://download.tensorflow.org/example_images/flower_photos.tgz \
| tar xz -C tf_files
Step3 - установить размер изображения и архитектуру:
IMAGE_SIZE=224
ARCHITECTURE="mobilenet_0.50_${IMAGE_SIZE}"
Step4- Retrain модель
python -m scripts.retrain \
--bottleneck_dir=tf_files/bottlenecks \
--model_dir=tf_files/models/"${ARCHITECTURE}" \
--summaries_dir=tf_files/training_summaries/"${ARCHITECTURE}" \
--output_graph=tf_files/retrained_graph.pb \
--output_labels=tf_files/retrained_labels.txt \
--architecture="${ARCHITECTURE}" \
--image_dir=tf_files/flower_photos
Шаг 5 - Используя переобученную модель, проверьте классифицирующее изображение
python -m scripts.label_image \
--graph=tf_files/retrained_graph.pb\ --
image=tf_files/flower_photos/daisy/3475870145_685a19116d.jpg
Время оценки (1 изображение): 0,281 с
маргаритка 0,725841 одуванчик 0.200525 тюльпанов 0,0411526 роз 0,0318613 подсолнухов 0,000619742
Шаг 6: Оптимизация модели
IMAGE_SIZE=224
toco \
--input_file=tf_files/retrained_graph.pb \
--output_file=tf_files/optimized_graph.pb \
--input_format=TENSORFLOW_GRAPHDEF \
--output_format=TENSORFLOW_GRAPHDEF \
--input_shape=1,${IMAGE_SIZE},${IMAGE_SIZE},3 \
--input_array=input \
--output_array=final_result
Step7 - Проверка оптимизированной модели классификации изображения
python -m scripts.label_image \
--graph=tf_files/optimized_graph.pb \
--image=tf_files/flower_photos/daisy/3475870145_685a19116d.jpg
Время оценки (1 изображение): 0,126 с
маргаритка 0,725845 одуванчик 0.200523 тюльпаны 0,0411517 розы 0,031861 подсолнухи 0,00061973
Step8 - преобразовать в модель в формат TFlite
IMAGE_SIZE=224
toco \
--input_file=tf_files/retrained_graph.pb \
--output_file=tf_files/optimized_graph.lite \
--input_format=TENSORFLOW_GRAPHDEF \
--output_format=TFLITE \
--input_shape=1,${IMAGE_SIZE},${IMAGE_SIZE},3 \
--input_array=input \
--output_array=final_result \
--inference_type=FLOAT \
--input_type=FLOAT
Все еще получая проблему с 0-м вводом, должно быть 602112 байт, но найдено 150528 байт
Пожалуйста, дайте лучшее решение для преодоления / достижения этой проблемы, чтобы решить