我使用SageMaker对象检测算法训练了MXnet SSD resnet-50模型,并希望在iOS设备上使用它。因此,我需要将其转换为Apple CoreML格式。我尝试使用mxnet来实现coreml。
也许有更好的方法?有人知道一种方便的方法来完成这项任务吗?
我的模型由两个文件组成:
在转换模型之前,我使用MXnet提供的“deploy.py”将其设置为部署状态。
mxnet到coreml转换器失败,出现以下错误:
引发TypeError("不支持类型为%s的MXNet层。"%层)TypeError:不支持类型为_copy的MXNet层。
我这样调用转换器脚本:
python mxnet_coreml_converter.py --model-prefix='ssd_resnet50_512' --
epoch=0 --input-shape='{"data":"3, 512, 512"}' --mode=classifier --pre-
processing-arguments='{"image_input_names":"data"}' --output-
file="resnet50.mlmodel"
如本文所述,从MXNet到CoreML的转换器尚不支持该层(“_copy”)(即MXNet操作符)。对此有一个功能请求。
我对SageMaker有以下挑战: > 我已经下载了一个教程笔记本(https://github.com/awslabs/amazon-sagemaker-examples/blob/master/sagemaker-python-sdk/tensorflow_abalone_age_predictor_using_keras/tensorflow_abalone_age_predictor_us
我想训练自己的自定义模型。我可以从哪里开始? 我使用这个样本数据来训练一个模型: 基本上,我想从给定的输入中找出一些无意义的文本。 我尝试了opennlp开发文档中给出的以下示例代码,但出现了错误:Model与name finder不兼容!
我正在写一个库在Java,我需要转换(地图)一个模型到另一个,反之亦然。我所做的是实现了一个包含两个泛型类型的抽象转换器类,包含convertTo和convertFrom方法,并从它扩展了我的转换器。 但是对于特定的实现,我可能还需要其他对象来进行转换,我不知道什么是实现这些东西的最佳实践。我想过适配器和门面,但他们似乎不符合我的要求。有没有一个设计模式我可以用来做这个?提前谢谢你。
问题内容: 尝试将Keras模型导出为TensorFlow Estimator以便服务模型时遇到以下问题。由于该问题的答案中也弹出相同的问题,因此,我将说明玩具示例中发生的情况,并提供用于文档目的的解决方法。Tensorflow 1.12.0和Keras 2.2.4会发生此行为。实际的Keras和。 尝试导出使用Keras模型从Keras模型创建的Estimator时出现问题。调用时,将抛出a或a
我试图避免将现有的模型训练过程迁移到SageMaker,并避免创建一个定制Docker容器来承载我们训练过的模型。 我的希望是将我们现有的、经过培训的模型注入AWS通过sagemaker python sdk提供的预构建scikit学习容器中。我发现的所有示例都需要先培训模型,然后在SageMaker中创建模型/模型配置。然后使用方法进行部署。 是否可以为方法提供经过培训的模型,并将其托管在AWS
我们在转换预应变张量流模型时遇到问题,我们将该模型作为以下文件 snapshot_140.ckpt.index snapshot_140.ckpt.meta snapshot_140.ckpt.data-00000-of-00001 当我们使用转换后的tflie文件进行预测时,所有的预测在加载正常的张量流模型时都给出了正确的回归预测 我们得到了上面的这些文件,从ckpt文件到张量流.pb图的转换是