我有一个Keras模型，我想在Coral Edge TPU设备上运行。要做到这一点，它需要是一个全整数量化的Tensorflow Lite模型。我能够将模型转换为TFLite模型： model.save('keras_model.h5')
converter = tf.lite.TFLiteConverte
浏览 18提问于2019-09-27得票数 4
2回答
我从Custom Vision下载了一个tensorflow模型，并希望在珊瑚tpu上运行它。因此，我将其转换为tensorflow-lite，并应用混合训练后量化(据我所知，这是唯一的方法，因为我无法访问训练数据)。你可以在这里看到代码：当我尝试为边缘tpu编译它时，我得到了以下结果： INFO: In
浏览 3提问于2019-08-11得票数 2
我正在尝试使用TensorFlow lite部署一个简单的测试应用程序。我想在我的设备上使用Coral Edge TPU棒，所以我必须执行量化感知训练。显然，它也使用了量化的权重。如果我不启用量化感知训练，这两个变量将不会出现。 此外，此模型可以由tf-lite解释器实例加载和执行。安装之后，我执行 edgetpu_compiler quant_linear.tflite 不幸<e
浏览 12提问于2019-07-03得票数 1
我正在尝试让一个Mobilenetv2模型(对我的数据的最后一层进行再训练)在Google edge TPU Coral上运行。我遵循这个虚拟的https://www.tensorflow.org/lite/performance/post来做训练后的量化。= converter.convert() 我已经成功地生成了tflite量化模型</
浏览 50提问于2019-07-28得票数 8
回答已采纳
1回答
我正在尝试将keras模型转换为tflite量化模型，这样我就可以在coral TPU上运行我的模型，但我的keras模型和tflite模型的输出明显不同。红点是量化的tflite模型输出，蓝点是原始keras模型输出。
下面是我将
浏览 4提问于2020-05-28得票数 1
我正在使用TensorFlow和Keras做一个图像识别项目，我想要实现到我的安卓项目。我对坦索弗洛很陌生..。from tensorflow.keras.applications.vgg16 import VGG16据我理解，我需要创建一个具有所有提取的图像特性的.h5
浏览 15提问于2022-04-22得票数 0
回答已采纳
我有一个名为"model.h5“的TensorFlow Keras模块。我想从它生成tflite。为此，我使用了下面提到的代码。我使用的是tensorflow版本'2.0.0‘。import tensorflow as tffrom tensorflow import lite
dataset_dir = "C:\\Users\\Ravitf.cast(image
浏览 115提问于2020-06-17得票数 2
1回答
我训练了一个模型，并将其转换为.tflite模型。我已经使用以下内容完成了训练后量化： import tensorflow as tf
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir当我在没有应用任何训练后量化的情况下将模型转换为tflite时，我没有得到错误。这是我用来在不应用后训练量化<e
浏览 36提问于2019-06-23得票数 3
回答已采纳
我使用Vision AutoML来训练一个专门的模型。我的数据集包含全景图片(3000x1500px)。该模型在tensorflow.lite (2.5.0)上运行良好。但我想把它装到Coral Edge TPU上。当我使用edge_compiler时，如果出现此错误，请失败：
边缘TPU编译器版本15.0.340273435 loc("reshape_output")：错误：'tfl.
浏览 1提问于2021-04-08得票数 0
我正在尝试使用最新的tf-nighlty来转换一个基于mobilenetv2和转置卷积的模型。在google中)；但是它有量化和末端的去量化操作符(如使用)。代表的数据集图像是生成器中的float32，该模型默认有一个4通道的float32输入。看来，我们需要一个UINT8输入和输出内部模型珊瑚TPU。我们如何才能妥善地进行这一转变？参考文献：-
浏览 8提问于2020-02-17得票数 0
我已经搜索了一段时间，但似乎Keras只有经过训练后才具有量化特性。我希望在我的Keras序列模型中添加Tensorflow伪量化。根据Tensorflow的doc，我需要这两个函数来做假量化: tf.contrib.quantize.create_training_graph()和tf.contrib.quantize.create_eval_graph我的问题是，是否有人在Keras</
浏览 2提问于2018-09-17得票数 2
回答已采纳
我遇到了一个问题，我将keras模型转换为tensorflow lite格式，但是一旦我这样做了，转换后的模型的精度就会显着下降。该模型是一个相当简单的自然语言处理模型。在转换之前，模型的准确率约为96%，但一旦转换为tensorflow lite格式(没有任何优化)，准确率就会下降到20%左
浏览 149提问于2021-01-15得票数 3
量化意识的培训在坦索弗洛允许我量化使用不同的量化配置的个人水平使用tensorflow_model_optimization.quantization.keras.quantize_annotate_layer我想对一个已经受过训练的模特产生类似的效果。
在Tensorflow的训练后量化文档中，下面是一个将模型量化为float
浏览 16提问于2022-10-13得票数 0
1回答
我正在使用Tensorflow Lite进行一个TinyML项目，该项目包括量化模型和浮点模型。在我的管道中，我使用tf.keras API训练我的模型，然后将模型转换成TFLite模型。最后，将TFLite模型量化为int8模型。我可以使用API model.save和tf.keras.mo
浏览 3提问于2021-06-25得票数 2
回答已采纳
1回答
检查模型的量化状态
、、、
我有一个Keras (而不是tf.keras)模型，我量化了它(训练后)在嵌入式设备上运行它。
为了将模型转换为量化的tflite模型，我尝试了不同的方法，并以大约5个版本的量化模型结束。它们都有稍微不同的大小，但它们似乎都在我的x86机器上工作。所有模型都显示不同的推理时间
浏览 3提问于2020-06-26得票数 1
回答已采纳
我使用tf.lite.TFLiteConverter将经过训练的Keras模型转换为tflite_model。转换后的tflite_model是量化的吗？下面是进行转换的代码片段。import tensorflow as tf
converte
浏览 2提问于2019-08-22得票数 0
我想我的目标很简单。我想将一个经过预先训练的mobilenetv2 (或v1) ssd模型转换为TFLite，并按照描述的进行量化和优化。但是即使没有任何量化，我也得到了将模型转换为TFLite模型的错误。致命Python错误:中止
我花了几天的时间将经过预先训练的mobilenetv2 ssd模型转<e
浏览 5提问于2020-04-29得票数 1
我很难将我的模型转换成一个可以通过android-studio部署到android应用上的模型。我的模型解释如下：model.add(LSTM(70, activation='relu', input_shape=(n_steps, n_featuresDense(1))然后由.save函数保存：
浏览 5提问于2019-09-28得票数 0
我正在做一些辅助项目，涉及到将ML模型部署到边缘。其中一个是照片编辑应用程序，其中包括用于面部识别、物体检测、分类和风格转移的CNN应用程序。一旦我有了一个准确的训练有素的模型，它在我正在测试的一个或多个移动设备(通常是低端的Android)上会变得非常慢。我读到有一些优化可以提高模型的速度，但我不知道怎么做。有没有一个标准的工具来优化移动/边缘的<em
浏览 3提问于2019-05-17得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
