在 TensorFlow Lite 中运行 Keras 模型时的不同预测

debugcn 发表于 Dev

卡尔·托马斯

使用预训练的 Keras 图像分类器尝试 TensorFlow Lite，在将 H5 转换为 tflite 格式后，我得到了更糟糕的预测。这是预期的行为（例如权重量化）、错误还是我在使用解释器时忘记了什么？

例子

from imagesoup import ImageSoup
from tensorflow.keras.applications.resnet50 import ResNet50, preprocess_input, decode_predictions
from tensorflow.keras.preprocessing.image import load_img, img_to_array

# Load an example image.
ImageSoup().search('terrier', n_images=1)[0].to_file('image.jpg')
i = load_img('image.jpg', target_size=(224, 224))
x = img_to_array(i)
x = x[None, ...]
x = preprocess_input(x)

# Classify image with Keras.
model = ResNet50()
y = model.predict(x)
print("Keras:", decode_predictions(y))

# Convert Keras model to TensorFlow Lite.
model.save(f'{model.name}.h5')
converter = tf.contrib.lite.TocoConverter.from_keras_model_file
tflite_model = converter(f'{model.name}.h5').convert()
with open(f'{model.name}.tflite', 'wb') as f:
    f.write(tflite_model)

# Classify image with TensorFlow Lite.
f = tf.contrib.lite.Interpreter(f'{model.name}.tflite')
f.allocate_tensors()
i = f.get_input_details()[0]
o = f.get_output_details()[0]
f.set_tensor(i['index'], x)
f.invoke()
y = f.get_tensor(o['index'])
print("TensorFlow Lite:", decode_predictions(y))

Keras: [[('n02098105', 'soft-coated_wheaten_terrier', 0.70274395), ('n02091635', 'otterhound', 0.0885325), ('n02090721', '02090721', '.60rrier',0.5rrier'0.704395'Irish_0.70274395 , 0.040120784), ('n02111500', 'Great_Pyrenees', 0.03408164)]]

TensorFlow Lite: [[('n07753275', 'pineapple', 0.94529104), ('n03379051', 'football_helmet', 0.033994876), ('n03891332', 'parking_meter',16ase,1430, 0.94529104) 0.0029440755), ('n02094114', 'Norfolk_terrier', 0.0022089847)]]

努普尔加格

from_keras_model_fileTensorFlow 1.10 中存在一个错误。它在 8 月 9 日每晚发布的此提交中得到修复。

nightly 可以通过pip install tf-nightly. 此外，它将在 TensorFlow 1.11 中修复。

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。