Без чтения документации будет очень трудно продолжать. Я не уверен, что означает ваш «сценарий прогнозирования», но я предполагаю, что сценарий загрузил модель тензорного потока .pb, загрузил некоторые данные изображения и запустил на ней вывод для получения результатов прогнозирования. Это означает, что у вас есть модель тензорного потока .pb на этапе «Замороженный график» следующего конвейера:
Изображение взято с coral.ai .
Следующим шагом будет преобразование вашей модели .pb в «полностью квантованную модель .tflite» с использованием метода квантования после обучения. Документация для этого дана здесь . Я также создал github gist, содержащий пример Квантование после обучения здесь . После того как вы создали модель .tflite, вам необходимо скомпилировать модель с помощью edgetpu_compiler . Хотя все, что вам нужно знать о компиляторе edgetpu, находится по этой ссылке, для вашей цели компиляция модели так же проста:
$ edgetpu_compiler your_model_name.tflite
, которая создаст модель your_model_name_edgetpu.tflite, совместимую с EdgeTPU , Теперь, если на этом этапе вместо создания модели, совместимой с Edgetpu, вы получаете какой-то тип ошибок, то это означает, что ваша модель не соответствует требованиям, которые опубликованы в разделе модели-требования .
После создания скомпилированной модели вы можете развернуть ее на устройстве edgetpu. В настоящее время существует 2 основных API, которые можно использовать для запуска логического вывода с моделью:
В конечном счете, есть много демо-примеров для запуска вывода модели здесь .