Lite-DeepLearning：SSD-Mobilenet-V2模型的轻量级转化

最新推荐文章于 2024-09-13 08:56:39 发布

雪域天师

最新推荐文章于 2024-09-13 08:56:39 发布

阅读量1.7k

点赞数 1

分类专栏： tensorflow 文章标签： tensorflow moilenet lite S32V AIRunner

本文链接：https://blog.csdn.net/qq_16653189/article/details/89475912

版权

本文介绍了如何将SSD-Mobilenet-V2模型进行轻量级转化，适用于嵌入式处理器如S32V。过程包括数据标注，使用Labelme工具，将标注数据转为tfrecord格式；数据训练，修改configure文件进行模型训练；最后通过一系列步骤进行模型的简化、轻量级化和量化，以适应AIRunner在S32V上的应用。

摘要由CSDN通过智能技术生成

Lite-DeepLearning：SSD-Mobilenet-V2模型的轻量级转化

第一步：数据标注

建立文件夹，将数据分为三类：训练集、评价集和测试集；
使用Labelme标注工具（可用其他标注工具）对训练集和评价集数据分别进行标注（labelme下载地址）：
将标注完的json数据转化为tfrecord格式：
转化训练集数据：

python create_tf_record.py \--images_dir=train_images_dir \ --annotations_json_dir=path_to_train_annotations_json_dir \ --label_map_path=path_to_label_map.pbtxt \--output_path=path_to_train.record

转化评价集数据：

python create_tf_record.py \--images_dir=eval_images_dir \ --annotations_json_dir=path_to_val_annotations_json_dir \ --label_map_path=path_to_label_map.pbtxt \--output_path=p