MobileNet V2在Coral Dev Board的部署过程

MobileNet V2在Coral Dev Board的部署过程

基于google给出的训练自己的模型的示例

https://colab.research.google.com/github/google-coral/tutorials/blob/master/retrain_classification_ptq_tf2.ipynb#scrollTo=RwywT4ZpQjLf

把一个模型部署到coral的edgeTPU的流程是这样的：

1， 用Tensorflow 2.0建立模型

2， 用某个数据集对模型进行训练，生成对应的labels文件

3， 将模型量化，生成.tflite文件

4， 将量化后的.tflite文件对edgeTPU进行编译，生成带有_edgetpu后缀的.tflite文件

5， 将labels文件和_edgetpu文件上传至coral并运行

一， 用Tensorflow2.0建立模型

由于TFlite是在TF的基础上进行转换，所有模型的建立需要用TF2.0

这次我们用的模型是MobileNet V2，Google官方给出的源代码是用TF1.x写的，于是我在网上找了一个别人通过TF2.0实现的

https://blog.csdn.net/Forrest97/article/details/106223297

通过tf.keras.model调用模型

二， 用某个数据集进行训练，生成对应的labels文件

因为这次主要目的是观察模型结构与运算时间的关系，对模型的性能没有要求，

所以就用了google示例文件里的5种花的数据集进行训练

（主要是因为不用改代码不会出错

之前尝试了用cifar10数据集进行训练，只是在量化过程中需要对代码进行额外的调整

为了在测试中进行分类显示，需要自动（或手动）生成一个格式如下的labels文件（.txt）