Основная цель export_tflite_ssd_graph.py
состоит в том, чтобы экспортировать файлы контрольных точек обучения в замороженный график, который впоследствии можно будет использовать для обучения переноса или для прямого вывода (поскольку они содержат информацию о структуре модели, а также информацию об обученных весах).Фактически, все модели, перечисленные в модель зоопарка , представляют собой замороженный график, сгенерированный таким образом.
Что касается tf.image.non_max_suppression
, то export_tflite_ssd_graph.py
не используется для его «поддержки», но если --add_postprocessing_op
установлен true
, к замороженному графу будет добавлен другой пользовательский операционный узел, этот пользовательский узелбудет иметь функциональность, аналогичную op tf.image.non_max_suppression
.См. Ссылку здесь .
Наконец, файл pipeline.config
напрямую соответствует файлу конфигурации, который вы используете для обучения (--pipeline_config_path
), он является его копией, но часто сизмененный порог оценки (см. описание здесь о pipeline.config
.), поэтому вам придется создать его до начала тренировки, если вы используете пользовательскую модель.А для создания пользовательского файла конфигурации здесь является официальным руководством.