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
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)