Разница в производительности Tensorflow lite в Android и iOS

Question

Я обучил модель обнаруживать пользовательские объекты, которые будут использоваться на мобильных устройствах (Android и iOS), мой код основан на примерах тензорного потока для iOS и Android. Во время тестирования я заметил разницу в производительности приложений Android и iOS.

Некоторые примеры производительности (количество обнаруженных объектов):

IMG - iOS - Android

img1 - 57 - 74

img2 - 9 - 33

img3 - 43 - 78

img4 - 17-25

Я использую sh уверенность 70% для обеих платформ. Реальное количество объектов немного больше, чем результат Android.

Я перенес обучение с помощью ssd_mobilenet_v2_quantized_coco из зоопарка тензорной модели и анотированных образцов по labelImg . Процесс обучения, который я выполнял в облаке Google, следуя этому руководству .

Мой вопрос: Что мне следует исследовать, чтобы узнать причину разницы в производительности и исправить ее? Моя модель должна давать одинаковый результат для клиента на обеих мобильных платформах.

Если что-то неясно, дайте мне знать, любая помощь будет отличной. Спасибо!

Answer 1

Насколько можно было исследовать, проблема связана с приложением-примером tensorflow. Версия Android работает нормально, но в версии iOS что-то не так с предварительной обработкой logi c. Для моделей с плавающей запятой проблема была решена в этой проблеме github иногда go, но для квантованных моделей она все еще не решена (мой случай). Если кто-то хочет внести свой вклад или связаться с более подробной информацией по этому поводу, ознакомьтесь с проблемой , которую я открыл на github.