从同一检查点提取的再培训Tflite/Pb模型给出不同的结果

Question

在我使用自己的图像数据集使用object_detection\model_main重新训练了预先训练好的ssd mobilenet v1模型之后。py脚本，我导出了两个.pb冻结图（使用export_inference_graph.py脚本）

python models\research\object_detection\export_inference_graph.py 
--input_type image_tensor 
--input_shape=1,300,300,3 
--pipeline_config_path ssd_mobilenet_v1_test.config 
--trained_checkpoint_prefix training/model.ckpt 
--output_directory export\freeze\

和 .tflite 图形（带有export_tflite_ssd_graph.py脚本和tflite_convert）。

python models\research\object_detection\export_tflite_ssd_graph.py 
--input_type image_tensor 
--pipeline_config_path ssd_mobilenet_v1_test.config 
--trained_checkpoint_prefix training/model.ckpt 
--output_directory export\tflite\ 
--max_detections 16 
--add_postprocessing_op=true

tflite_convert 
--output_file=export\tflite\model.tflite 
--graph_def_file=export\tflite\tflite_graph.pb 
--input_shapes=1,300,300,3 
--input_arrays=normalized_input_image_tensor 
--output_arrays=TFLite_Detection_PostProcess,TFLite_Detection_PostProcess:1,TFLite_Detection_PostProcess:2,TFLite_Detection_PostProcess:3 
--inference_type=QUANTIZED_UINT8 
--mean_values=128 
--std_dev_values=128 
--default_ranges_min=0 
--default_ranges_max=6 
--allow_custom_ops

Pb图似乎工作得很好，但tflite一错误检测到了android上的所有内容，所以无论我传递给它的图像是什么，甚至是填充黑色的图像，我都能从16种可能的检测中得到16种（我在android设备上测试它。它与预训练的模型很好地配合）。

更改转换选项，如禁用/启用量化，图像std/means并没有改变任何东西。我还将我的tflite图与示例移动网图进行了比较，它们看起来非常相似。知道什么会导致这个问题吗？

(windows 10/cuda 9.0/cud nn 7.0/TF-每夜-gpu/models-master)

Answer 1

tflite模型的输出张量似乎返回一些极值(例如:5e35或-3e34)。由于这些分数值中的一些大于1，所以它算作检测。

我的解决方案，将所有大于限制的值（我做了1e5）替换为0。（Python更快。）

tensor[tensor > 1e5] = 0

很奇怪，这个例子检测器没有出现。tflite或导出的冻结推理图。导出tflite模型必须有正确的方法。