tensorflow开始和mobilenet之间有什么区别

Question

最近我一直在使用tensorflow初始版V3和mobileNet来部署它们以便在Android中使用。虽然将初始版本V3的重新训练模型转换为“tflite”，但由于“tflite”模型是空的，因此在使用重新训练的MobileNet模型时，它已成功转换为“tflite”。所以基本上我有两个问题

1. 是否可以将初始V3重新训练模型转换为“tflite”？
2. 初始V3和MobileNet有什么区别？

PS。我已经浏览了官方文档链接，该链接仅暗示了mobileNet

https://www.tensorflow.org/tutorials/image_retraining#other_model_architectures

Answer 1

是的，这两个模型都可以转换为tflite格式。如需逐步安排，请点击此链接Convert to tflite。

InceptionV3和Mobilenet之间的主要区别在于Mobilenet使用 在Inception V3使用标准卷积时，可深度可分的卷积。 与InceptionV3相比，这导致MobileNet中的参数数量减少。但是，这也会导致性能略有下降。

在标准卷积中，滤波器对输入图像的 M 通道进行全部操作并输出 N 特征图，即输入和滤波器之间的矩阵乘法是多维。为清楚起见，将滤波器视为大小为 D _k x D _k x M 的立方体，然后在标准卷积中立方体的每个元素将与输入要素矩阵中的对应元素相乘，最后在乘法后，要素贴图将添加到输出 N 要素贴图中。

然而，在深度可分离卷积中， M 单通道滤波器将在输入要素中的单个立方体上运行，并且一旦 M 滤波器输出获得逐点滤波器尺寸 1 x 1 x M 将对其进行操作，以提供 N 输出要素图。这可以从下面的MobileNet paper中了解到。

为了更清楚，请浏览DataScienceLink。 他们有一个具体的例子说明它如何减少我在这里粘贴的参数数量。

4