我想创建一个预测年龄和性别的模型,并将其集成到Android应用中。
我在Ubuntu 16上使用Python 3.6,Tensorflow 1.13.1和Keras 2.2.4。
首先,我使用来自keras的IMDB数据集Mobilenet V1和V2训练了不同的模型,并编写了自己的VGG。 对于两个移动网络,我使用了图像网络权重来初始化模型。
准确性很高,性别超过90%。
培训结束后,我尝试了几种方法在tflite中转换模型:
converter = tf.lite.TFLiteConverter.from_keras_model_file(model_to_convert)
tflite_model = converter.convert()
open(model_converted, "wb").write(tflite_model)
converter = tf.contrib.lite.TFLiteConverter.from_keras_model_file(model_to_convert)
tflite_model = converter.convert()
open(model_converted, "wb").write(tflite_model)
converter = tf.contrib.lite.TocoConverter.from_keras_model_file(model_to_convert)
tflite_model = converter.convert()
open(model_converted, "wb").write(tflite_model)
我还尝试在转换之前使用以下代码:
tf.keras.backend.set_learning_phase(0)
最后,我将.tflite文件加载到Android Studio中:
private ByteBuffer convertBitmapToByteBuffer(Bitmap bitmap) {
int SIZE_IMAGE = 96;
ByteBuffer byteBuffer = ByteBuffer.allocateDirect(4*1*SIZE_IMAGE*SIZE_IMAGE*3);
byteBuffer.order(ByteOrder.nativeOrder());
int[] pixels = new int[SIZE_IMAGE * SIZE_IMAGE];
bitmap.getPixels(pixels, 0, bitmap.getWidth(), 0, 0, bitmap.getWidth(), bitmap.getHeight());
int pixel = 0;
for(int i=0; i < SIZE_IMAGE; i++){
for(int j=0; j<SIZE_IMAGE;j++){
final int val = pixels[pixel++];
byteBuffer.putFloat((float) (((val >> 16) & 0xFF)/255));
byteBuffer.putFloat((float) (((val >> 8) & 0xFF)/255));
byteBuffer.putFloat((float) ((val & 0xFF)/255));
}
}
public String recognizeImage(Bitmap bitmap) {
ByteBuffer byteBuffer = convertBitmapToByteBuffer(bitmap);
Map<Integer, Object> cnnOutputs = new HashMap<>();
float[][] gender=new float[1][2];
cnnOutputs.put(0,gender);
float[][]age=new float[1][21];
cnnOutputs.put(1,age);
Object[] inputs = {byteBuffer};
interpreter.runForMultipleInputsOutputs(inputs, cnnOutputs);
String result = convertToResults(gender[0], age[0]);
return result;
}
在最终推断期间,无论使用哪种模型,准确性都非常低。要么解释者总是预测出完全相同的结果,要么预测的年龄有所变化,但是预测的性别始终是“女人”。
我该怎么办?
谢谢!
答案 0 :(得分:0)
尝试使用您的keras模型和tflite模型来处理一个输入数据并比较推断结果。可能输出不匹配。您可以从那里调试。