用MobileNet重新训练图像检测
几种重新培训MobileNet以便与TensorFlow.js一起使用的方法对我来说都失败了。有没有办法用TensorFlow.js来使用重新训练的模型？
使用基于hub的现代教程和使用retrain.py似乎都失败了。
-
null
-
null
目的是加载mobilenet，使用自定义数据重新训练，并在TensorFlow.js中使用它。遵循这两个教程似乎都失败了。这可以在Node.js内部完成吗？还有别的办法吗？我在哪里犯了错误（或者软件无法使用重新训练的模型）？这怎么行？
编辑：最新的github问题和一个更多的问题
共有1个答案
我遇到了同样的问题，看来我们用错了方法。有loadGraphModel用于TF转换的模型，loadLayersModel用于Keras模型我对这个问题的评论
-
问题内容： 我是TensorFlow的新手。我正在寻找有关图像识别的帮助，可以在其中 训练自己的图像 数据集。 有没有训练新数据集的示例？ 问题答案： 如果您对如何在TensorFlow中输入自己的数据感兴趣，可以查看本教程。 我也写与CS230的最佳做法指南在斯坦福这里。 新答案（带有）和带有标签 随着in的引入，我们可以创建一批没有占位符且没有队列的图像。步骤如下： 创建一个包含图像文件名的列
-
我使用了卷积神经网络（CNN）来训练地图中的图例。这些图例包括圆形、椭圆形、菱形、十字架和正方形。神经网络（受代码启发https://towardsdatascience.com/from-raw-images-to-real-time-predictions-with-deep-learning-ddbbda1be0e4)对我来说效果很好。输入图像是图例（如输入训练图像）的单独裁剪图片，我想要的
-
当我在容器tensorflow/tensorflow:LastGPU中运行tensorflow映像训练作业时，它不工作。 错误消息： GPU info： nvidia-smi周一11月26 07:48:59 2018 ----------------------------------------------------------------------------- | NVIDIA-SMI
-
我试图从图像中对ASCII字符串进行OCR识别。我正在使用Tesseract3库，但是在正确识别方面有一点问题，所以我需要用新的字符集（这是特定的）来训练它。我已经发现了这个how-to:TrainingTesseract3，但教程中有一些不必要的过程，我不需要，因为我的图像测试集很简单。我的图像数据集只包含1个行，其中每个ASCII字符在所有图像中都是相同的（没有旋转，没有缩放），但行中字符之间
-
本文向大家介绍检测20类物体，多少张训练集，怎么训练相关面试题，主要包含被问及检测20类物体，多少张训练集，怎么训练时的应答技巧和注意事项，需要的朋友参考一下 参考回答： 多分类问题，保证各类别的样例比，提取特征，用libsvm等做多分类。
-
我从Tensorflow Hub重新训练了一个mobilenet-v1图像分类模型，并使用toco对其进行转换，以便使用Tensorflow Lite进行推断。 但是，当我使用tflite模型运行推断时，它需要与我使用指定的输入大小不同的输入大小。 我如何在自己的数据上重新训练一个mobilenetv1量化模型？ 下面是我尝试的步骤： > 从tensorflow for poets Codelab