我正在尝试使用经过重新训练的Mobilenet模型运行the Tensorflow Lite Camera example。
我已根据the instructions和this fix成功运行iOS相机应用。该应用程序可以与模型mobilenet_v1_1.0_224.tflite
一起正常使用。
我安装了Tensorflow:
pip3 install -U virtualenv
virtualenv --system-site-packages -p python3 ./venv
source ./venv/bin/activate
pip install --upgrade pip
pip install --upgrade tensorflow==1.12.0
pip install --upgrade tensorflow-hub==40.6.2
我现在想使用retrain the model the flowers set。我下载了flowers文件夹并运行:
python retrain.py \
--bottleneck_dir=bottleneck \
--how_many_training_steps=400 \
--model_dir=model \
--output_graph=pola_retrained.pb \
--output_labels=pola_retrained_labels.txt \
--tfhub_module https://tfhub.dev/google/imagenet/mobilenet_v1_100_224/quantops/feature_vector/1 \
--image_dir=flower_photos
注意:我可以使用label_image.py
脚本成功测试重新训练的模型。
我将重新训练的模型转换为其tflite
格式:
toco \
--graph_def_file=pola_retrained.pb \
--input_format=TENSORFLOW_GRAPHDEF \
--output_format=TFLITE \
--output_file=mobilenet_v1_1.0_224.tflite \
--inference_type=FLOAT \
--input_type=FLOAT \
--input_arrays=Placeholder \
--output_arrays=final_result \
--input_shapes=1,224,224,3
我将新模型和标签文件都复制到iOS应用程序中。我按如下所示修改CameraExampleViewController.mm
中的应用程序参数:
// These dimensions need to match those the model was trained with.
const int wanted_input_width = 224;
const int wanted_input_height = 224;
const int wanted_input_channels = 3;
const float input_mean = 128.0f;
const float input_std = 128.0f;
const std::string input_layer_name = "input";
const std::string output_layer_name = "final_result";
该应用程序崩溃。 the recognized object is outside of the range of trained objects的索引。置信度高于1。
答案 0 :(得分:0)
Tensorflow Lite相机示例将输出张量大小硬编码为1000
。如果使用输出数量较少的经过重新训练的模型测试示例,则iOS应用程序将崩溃。在CameraExampleViewController.mm
中替换以下代码:
const int output_size = 1000;
具有:
// read output size from the output sensor
const int output_tensor_index = interpreter->outputs()[0];
TfLiteTensor* output_tensor = interpreter->tensor(output_tensor_index);
TfLiteIntArray* output_dims = output_tensor->dims;
assert(output_dims->size == 2);
const int output_size = output_dims->data[1]-output_dims->data[0];
上面的代码通过从模型输出尺寸读取输出尺寸来解决此问题。 The appropriate PR已提交。