我正在使用tensorflow对象检测api来使用来自tensorflow model zoo的ssdlite_mobilenet_v2_coco_2018_05_09训练自定义模型。
我成功地训练了模型，并使用this tutorial中提供的脚本对其进行了测试。
这里是问题，我需要detect.tflite才能在目标计算机（嵌入式系统）中使用它。但是，当我实际上从模型中制作tflite时，它几乎不输出任何内容，而当它出现时，则是错误检测。为了制作.tflite文件，我首先通过以下命令在输出上使用export_tflite_ssd_graph.py，然后在toco上使用此命令，方法是按照the doc和一些Google搜索：
toco --graph_def_file=$OUTPUT_DIR/tflite_graph.pb --output_file=$OUTPUT_DIR/detect.tflite --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' --allow_custom_ops
此外，我使用.tflite执行检测任务的代码也正常工作，因为我已使用ssd_mobilenet_v3_small_coco detect.tflite文件对其进行了测试。
问题出在toco命令。我使用的某些文档已经过时并误导了我。 toco已过时，我应该改用tflite_convert工具。
这是我使用的完整命令：
tflite_convert --graph_def_file tflite_inference_graph / tflite_graph.pb --output_file =。/ detect.tflite --output_format = TFLITE --input_shapes = 1,300,300,3 --input_arrays = normalized_input_image_tensor --output_arrays ='TFLite_Detection_PostProcess，' ，'TFLite_Detection_PostProcess：2'，'TFLite_Detection_PostProcess：3'--inference_type = QUANTIZED_UINT8 --mean_values = 128 --std_dev_values = 127 --change_concat_input_ranges = false --allow_custom_ops
我对ssdlite_mobilenet_v2_coco_2018_05_09模型进行了培训，并将其添加到我的.config文件末尾。
graph_rewriter {量化{延误：400重量位：8activation_bits：8}}
注意：我想在嵌入式系统上使用量化模型。这就是我在配置文件中添加graph_rewriter并在tflite_convert命令中添加--inference_type = QUANTIZED_UINT8的原因。