У меня есть модель, созданная с использованием тензора потока для учебника поэтов. У меня есть как бинарные, так и 3-классные модели, демонстрирующие одинаковое поведение.
Диаграмма forzen работает, как и ожидалось, но как только я преобразую ее для использования с модулем opencv dnn, предсказания будут далеки от обычного, обычно отдавая предпочтение одному классу перед другими.
Я использовал описанные здесь преобразования:
http://answers.opencv.org/question/175699/readnetfromtensorflow-fails-on-retrained-nn/
и здесь
https://www.tensorflow.org/mobile/prepare_models
Ниже выводится итоговый график после каждого преобразования. На всякий случай, если вы видите что-то необычное:
**original**
--------
No inputs spotted.
No variables spotted.
Found 1 possible outputs: (name=final_result, op=Softmax)
Found 21826166 (21.83M) const parameters, 0 (0) variable parameters, and 99 control_edges
Op types used: 489 Const, 101 Identity, 99 CheckNumerics, 94 Relu, 94 BatchNormWithGlobalNormalization, 94 Conv2D, 11 Concat, 9 AvgPool, 5 MaxPool, 1 DecodeJpeg, 1 ExpandDims, 1 Cast, 1 MatMul, 1 Mul, 1 PlaceholderWithDefault, 1 Add, 1 Reshape, 1 ResizeBilinear, 1 Softmax, 1 Sub
-----------------------
**After optimize_for_inference**
----------------------------
Found 1 possible inputs: (name=DecodeJpeg/contents, type=float(1), shape=None)
No variables spotted.
Found 1 possible outputs: (name=final_result, op=Softmax)
Found 21774517 (21.77M) const parameters, 0 (0) variable parameters, and 0 control_edges
Op types used: 206 Const, 94 BiasAdd, 94 Conv2D, 94 Relu, 11 Concat, 9 AvgPool, 5 MaxPool, 1 Sub, 1 Add, 1 Softmax, 1 ResizeBilinear, 1 Reshape, 1 PlaceholderWithDefault, 1 Placeholder, 1 Mul, 1 MatMul, 1 ExpandDims, 1 DecodeJpeg, 1 Cast
-----------------------------
**transform_graph with strip_unused**
Found 1 possible inputs: (name=Mul, type=float(1), shape=[1,299,299,3])
No variables spotted.
Found 1 possible outputs: (name=final_result, op=Softmax)
Found 21826160 (21.83M) const parameters, 0 (0) variable parameters, and 99 control_edges Op types used: 484 Const, 101 Identity, 99 CheckNumerics, 94 BatchNormWithGlobalNormalization, 94 Conv2D, 94 Relu, 11 Concat, 9 AvgPool, 5 MaxPool, 1 Add, 1 MatMul, 1 Placeholder, 1 PlaceholderWithDefault, 1 Reshape, 1 Softmax
------------------------
Мне интересно, что может быть причиной и как поддерживать производительность вывода при развертывании графика.