ssd_mobilenet_v2_quantized_coco 转为 tflite 格式在 Android 上运行

最新推荐文章于 2024-08-23 08:02:31 发布

zhqh100

最新推荐文章于 2024-08-23 08:02:31 发布

阅读量1.9k

点赞数 1

分类专栏： TensorFlow

本文链接：https://blog.csdn.net/zhqh100/article/details/103144833

版权

本文指导如何将ssd_mobilenet_v2_quantized_coco模型转换为tflite格式，并在Android设备上运行。首先，从tensorflow/models仓库下载并执行相关命令生成detect.tflite文件。接着，将此文件替换到TensorFlow Lite的Android示例应用中，构建并安装APK。若要进行训练，需修改配置文件以避免内存不足问题，如调整batch_size，并解决特定报错。

摘要由CSDN通过智能技术生成

本文是基于 https://blog.csdn.net/zhqh100/article/details/102954409 进行的后续操作，

先下载 https://github.com/tensorflow/models.git，

然后执行下面三段命令：

mkdir models
cd models
wget -c http://download.tensorflow.org/models/object_detection/ssd_mobilenet_v2_quantized_300x300_coco_2019_01_03.tar.gz
tar xvf ssd_mobilenet_v2_quantized_300x300_coco_2019_01_03.tar.gz
cd ..
mkdir output
INPUT_TYPE=image_tensor
PIPELINE_CONFIG_PATH=object_detection/samples/configs/ssd_mobilenet_v2_quantized_300x300_coco.config
TRAINED_CKPT_PREFIX=models/ssd_mobilenet_v2_quantized_300x300_coco_2019_01_03/model.ckpt
EXPORT_DIR=output
python object_detection/export_inference_graph.py \
    --input_type=${INPUT_TYPE} \
    --pipeline_config_path=${PIPELINE_CONFIG_PATH} \
    --trained_checkpoint_prefix=${TRAINED_CKPT_PREFIX} \
    --output_directory=${EXPORT_DIR}

export CONFIG_FILE=output/pipeline.config
export CHECKPOINT_PATH=output/model.ckpt
export OUTPUT_DIR=output
 
python object_detection/export_tflite_ssd_graph.py \
    --pipeline_config_path=$CONFIG_FILE \
    --trained_checkpoint_prefix=$CHECKPOINT_PATH \
    --output_directory=$OUTPUT_DIR \
    --add_postprocessing_op=true

cd output
tflite_convert --output_file=detect.tflite \
    --graph_def_file=tflite_graph.pb \
    --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' \
    --mean_values=128 \
    --std_dev_values=128 \