Question

我试图获取Mobilenetv2模型（将最后一层重新训练到我的数据集中）以在Google Edge TPU Coral上运行。我可以使用“ edgetpu_compiler”对模型进行量化和编译（此页https://coral.withgoogle.com/docs/edgetpu/compiler/#usage之后）。但是，当我在TPU中进行推理时，对于非常不同的输入图像，我会得到类似的输出。

我使用过“ tflite_convert”工具来量化模型，如下所示：

tflite_convert --output_file=./model.tflite 
--keras_model_file=models/MobileNet2_best-val-acc.h5 --output_format=TFLITE
--inference_type=QUANTIZED_UINT8 --default_ranges_min=0 --default_ranges_max=6 
--std_dev_values=127 --mean_values=128 --input_shapes=1,482,640,3 --input_arrays=input_2

然后我使用了'edgetpu_compiler'工具为TPU进行编译：

sudo edgetpu_compiler  model.tflite
Edge TPU Compiler version 2.0.258810407
INFO: Initialized TensorFlow Lite runtime.

Model compiled successfully in 557 ms.

Input model: model.tflite
Input size: 3.44MiB
Output model: model_edgetpu.tflite
Output size: 4.16MiB
On-chip memory available for caching model parameters: 4.25MiB
On-chip memory used for caching model parameters: 3.81MiB
Off-chip memory used for streaming uncached model parameters: 0.00B
Number of Edge TPU subgraphs: 1
Total number of operations: 71
Operation log: model_edgetpu.log
See the operation log file for individual operation details.

然后，当我使用此代码运行推理时：

...
labels = ["Class1", "Class2", "Class3", "Class4"]
results = engine.ClassifyWithImage(img, top_k=4)
for result in results:
    print('---------------------------')
    print(labels[result[0]])
    print('Score : ', result[1])

输出是这样的（假设标签[“ Class1”，“ Class2”，“ Class3”，“ Class4”]）：

---------------------------
Class1
Score :  0.2890625
---------------------------
Class2
Score :  0.26953125
---------------------------
Class3
Score :  0.21875
---------------------------
Class4
Score :  0.21875

对于任何输入图像它几乎是相同的，通常，前两个类具有相同（或非常相似）的值（第三和第四相同），如上例所示。一班(as it is in the .h5 model or even in the .tflite model without quantization)

应该是0.99

可以使用参数-default_ranges_min=0 --default_ranges_max=6 --std_dev_values=127 --mean_values=128?进行计算吗？

编辑1：

使用来自这个post的答案，我尝试使用--std_dev_values=127 --mean_values=128 and --std_dev_values=255 --mean_values=0来量化模型，但是我仍在进行垃圾推断。由于mobilenet2使用relu6，默认范围应该为-default_ranges_min=0 --default_ranges_max=6吗？

模型是经过重新训练的MobileNetv2，输入是RGB图像（3通道），输入形状是1,482,640,3。

Answer 1

从您对mobilenetv1的评论看来，您正在采用经过重新训练的float模型并将其转换为TFLite。您打算通过运行列出的命令对其进行量化。

我建议您仔细阅读TensorFlow lite文档。通常，有两种量化方法（在训练时进行量化，在训练后进行量化）。您似乎想采用的方法是后期培训。

对诸如珊瑚之类的东西进行训练后的正确方法是遵循此步骤指南（https://www.tensorflow.org/lite/performance/post_training_integer_quant），如此处的珊瑚团队（https://coral.withgoogle.com/news/updates-07-2019/）所建议。

您上面使用的流程更适合于训练时间量化。

Google Coral Edge TPU编译模型-推断总是几乎相同

1 个答案: