如何训练mobilenet-v1量化模型在TF Lite上的应用

Question

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--input_shape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下载训练数据集

使用上面的数据集在TF Hub上重新训练mobilenet v1量化模型

验证模型是否已正确训练，输入/输出张量名称是否正确python label_image.py\\--graph=“${IMAGE_DIR}”/tf_files/retrained_mobileNet_v1_050_224.pb\--labels=“${IMAGE_DIR}”/tf_files/retrained_labels.txt\--input_layer=placeholder\--input_layer=final_result\--input_height=224--input_width=224\--image=“${IMAGE_DIR}”/tf_files/flower_photos/daisy/21652746_cc 379e0eea_m.jpg

将模型转换为tflite

toco\--input_file=“${IMAGE_DIR}”/tf_files/retrained_mobileNet_v1_050224.pb\--output_file=“${IMAGE_DIR}”/tf_files/mobileNet_v1_050224_quant.tflite\--input_format=tensorflow_graphdef\--output_format=tflite\--input_shape=1,224,224,3\--input_array=placeholder\--output_array=final_result\--input_type=quantized_uint8\--input_file=“${IMAGE_DIR}”put_data_type=float

虽然我指定了--input_shape=1,224,224,3，但当我运行推断时，我得到了一个错误：

java.lang.IllegalArgumentException：输入数据的DataType(1)与模型输入的DataType(3)不匹配。

Answer 1

--input_data_type=“”或--input_data_types=“”>>输入数组类型（如果图中尚未提供）。通常需要在将任意数组传递给--input_arrays时指定。

在我的例子中，它是不需要的（我使用的是MobileNet_V2预训练模型）。

您必须在命令中再添加几个参数(--mean_value-std_value-default_ranges_min和--default_ranges_max)来进行quatification。

正如在gihub文档页面中提到的，以下命令对我有效

bazel-bin/tensorflow/contrib/lite/toco/toco --input_file=~/tf_files/retrained_graph_mobileNet_v2_100_224.pb --output_file=~/tf_files/retrained_graph_mobileNet_q_v2_100_224.tflite --input_format=TENSORFLOW_GRAPHDEF --output_format=TFLITE --inference_type=QUANTIZED_UINT8 --input_shape=1,224,224,3 --input_array=Placeholder --output_array=final_result --mean_value=128 --std_value=128 --default_ranges_min=0 --default_ranges_max=6