02 v2訂閱轉換(shadowshare怎么用)

TFLite_Detection_PostProcess:1','TFLite_Detection_PostProcess:2','TFLite_Detection_PostProcess:3'

--input_shape=1,XXX,XXX,3 輸入的圖片大小，需要與配置文件中一致

--allow_custom_ops

在將tflite模型放進手機之前，我在python里加載tflite模型測試了一次，流程類似加載pb模型

第一步，導入模型

第二步，獲得輸入和輸出的tensor

第三步，讀取輸入圖像，feed給輸入tensor

可以采用PIL或cv2將圖像讀入，轉為numpy數組，然后賦值給input_data

第四步，運行模型

第五步， 獲得輸出

參考輸入tensor的表示方法，目標檢測的輸出有4個，具體的值可以通過output_details[0]['index']、output_details[1]['index']、output_details[2]['index']、output_details[3]['index']獲得

這里有一個我踩到的坑，驗證tflite模型時，我采用了和加載pb模型完全相同的圖片預處理步驟，輸出的結果完全不同。幾番檢查之后，發現問題出在模型轉換時。運行python tflite_買粉絲nvert.py時，輸入數組的名稱為normalized_input_image_tensor，而我訓練時采用的是未經normalized的數組。所以在模型轉換時，tensorflow內置了對input進行normalized的步驟。因此在調用tflite模型時，同樣需要在圖像預處理中加入這一步。 nomlized的方法為除以128.0再減去1，保證輸入的值在[-1,1)范圍內。

很赞哦!（1698）