如何正确地将tflite_graph.pb转换为detect.tflite

Question

我正在使用tensorflow对象检测api来训练来自tensorflow 模范动物园的自定义模型。

我成功地训练了模型，并使用本教程提供的脚本对其进行了测试。

问题是，我需要一个detect.tflite在我的目标机器(一个嵌入式系统)中使用它。但是，当我实际用我的模型制作一个斜板时，它几乎没有输出任何，当它输出时，它是一个错误的检测。为了创建.tflite文件，我首先在输出中使用了export_tflite_ssd_graph.py，然后在输出中使用了toco，方法是遵循医生和一些谷歌搜索：

toco --graph_def_file=$OUTPUT_DIR/tflite_graph.pb --output_file=$OUTPUT_DIR/detect.tflite --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' --allow_custom_ops

此外，我所使用的用于从.tflite检测任务的代码正在正常工作，因为我用ssd_mobilenet_v3_small_coco detect.tflite文件测试了它。

Answer 1

问题在于toco命令。我用过的一些文件已经过时，误导了我。toco是不推荐的，我应该使用tflite_convert工具。

下面是我使用的完整命令(从您的培训目录运行)：

图_def_文件TFLite_ tflite_convert _format=1,300,300，3-输入_数组=规范化_输入_图像_张量_‘TFLite_检测_PostProcess:1’，‘TFLite_检测_PostProcess:2’，'TFLite_Detection_PostProcess:3‘--推断_类型=量化_UINT8_8--平均值=128--std_dev_value=127 --change_concat_input_ranges=false -allow_ops

我对ssdlite_mobilenet_v2_coco_2018_05_09模型进行了培训，并在.config文件的末尾添加了这个内容。

 graph_rewriter {
  quantization {
    delay: 400
    weight_bits: 8
    activation_bits: 8
  }
}

此外，我还使用这个命令在tflite_inference_graph目录中生成tflite_inference_graph：

python export_tflite_ssd_graph.py --pipeline_config_path 2020-05-17_train_ssdlite_v2/ssd_mobilenet_v2_coco.config --trained_checkpoint_prefix 2020-05-17_train_ssdlite_v2/train/model.ckpt-1146 --output_directory 2020-05-17_train_ssdlite_v2/tflite_inference_graph --add_postprocessing_op=true

注意:我想在我的嵌入式系统上使用一个量化模型。这就是为什么我在配置文件中添加了graph_rewriter，并在我的tflite_convert命令中添加了-推断_type=量化_UINT8 8的原因。