为在TensorflowLite上运行MobileNet将（融合的）BatchNorm转换为卷积/add
2018-05-09 11:51:38.783009:I tensorflow/contrib/lite/toco/import_html" target="_blank">tensorflow.cc:1057]转换不支持的操作：SquaredDifference
2018-05-09 11:51:38.783211:I tensorflow/contrib/lite/toco/import_tensorflow.cc:1057]转换不支持的操作：SquaredDifference
2018-05-09 11:51:38.783352:I tensorflow/contrib/lite/toco/import_tensorflow.cc:1057]转换不支持的操作：SquaredDifference
2018-05-09 11:51:38.783561:I tensorflow/contrib/lite/toco/import_tensorflow.cc:1057]转换不支持的操作：SquaredDifference
2018-05-09 11:51:38.832089:I tensorflow/contrib/lite/toco/graph_transformations/graph_transformations.cc:39]在常规图形转换之前：656个运算符，874个数组（0量化）
2018-05-09 11:51:39.037810:I tensorflow/contrib/lite/toco/graph_transformations/graph_transformations.cc:39]在常规图形转换通过1:22个运算符、435个数组（0量化）之后
2018-05-09 11:51:39.041366:I tensorflow/contrib/lite/toco/graph_transformations/graph_transformations.cc:39]去量化前图形转换：222个运算符，435个数组（0量化）
2018-05-09 11:51:39.044092:I tensorflow/contrib/lite/toco/allocate_transient_arrays.cc:313]分配的总瞬态数组大小：4333824字节，理论最佳值：4333696字节。
2018-05-09 11:51:39.045179:F TensorFlow/contrib/Lite/toco/tflite/export.cc:303]标准TensorFlow Lite运行时不支持模型中的某些运算符。如果您有这些运算符的自定义实现，则可以使用--allow_custom_ops禁用此错误。下面是需要自定义实现的运算符列表:Mean、RSQRT、SquaredDifference、Sequeze。
中止（核心转储）
我假设可以使用TOCO或其他脚本将fusedbatchnorm运算符转换为卷积/加法组合。是真的吗？如果是的话，我可以在哪里找到转换脚本？
共有1个答案
-
null
-
为了将密集层转换为卷积层，我很难找到权重的正确映射。 这是我正在制作的ConvNet的摘录： 在MaxPooling之后，输入是形状（512,7,7）。我想将密集层转换为卷积层，使其看起来像这样： 但是，我不知道我需要如何重塑权重才能将扁平化的权重正确映射到卷积层所需的（4096,512,7,7)结构？现在，密集层的权重是维度（25088,4096)。我需要以某种方式将这25088个元素映射到（5
-
我想做一些类似于完全卷积网络的论文(https://people.eecs.berkeley.edu/~jonlong/long\u shelhamer\u fcn。pdf）使用Keras。我有一个网络，它最终将要素地图展平，并将其穿过几个密集的图层。我想将权重从这样的网络加载到一个网络中，在这个网络中，密集层被等效卷积所取代。 Keras附带的VGG16网络可以作为一个示例，其中最后一个MaxP
-
我是数据科学的初学者，我正在尝试使用Pandas来旋转此数据框架： 所以它变成这样：（标签应该变成列，文件路径变成行。） “标签”列是一组或一类文件路径。我想把它转换成这样一种方式，它适合这个函数：tf。Keras.preprocessing.image.flow_from_dataframe 提前感谢所有帮助我的人。
-
我有一个数据框如下： 我希望它是这样的： 我们的目标是为每个< code>Part和< code>Power创建一列，并填写如下所示的值。每台机器都有不同数量的零件，但最多为8个(这将导致列< code>Part8_PowerA和< code>Part8_PowerB)。当机器没有某个部件时，Part_Power的值用-1填充。 我已经寻找了很长时间的解决方案，包括这个，但是我不能适应我的情况，我
-
我已经使用Keras来微调MobileNet v1。现在我有，我需要将其转换为TensorFlow Lite，以便在Android应用程序中使用。 我使用TFLite转换脚本。我可以在没有量化的情况下进行转换，但我需要更高的性能，所以我需要进行量化。 如果我运行此脚本： 它失败了： F tensorflow/contrib/lite/toco/tooling\u util。cc:1634]Arra