Tensorflow lite 微神经网络层构建

Question

我尝试在 ESP32 上运行一些机器学习，并且我想使用 Tensorflow lite micro。但我真的不明白，他们是如何构建层的。这是如何训练人物检测模型的示例： 人员检测模型训练

很清楚，但最后他们说：

MobileNet v1 是由 14 个深度可分离卷积层组成的堆栈，其中有一个平均池，然后是一个全连接层，最后是一个 softmax。

如果我检查示例代码，他们在其中构建 tf lite 微模型，它只有 3 行：

 static tflite::MicroMutableOpResolver<3> micro_op_resolver;
  micro_op_resolver.AddAveragePool2D();
  micro_op_resolver.AddConv2D();
  micro_op_resolver.AddDepthwiseConv2D();

有平均池和深度层，但是 Conv2D 层来自哪里？并且仅呈现 1 个深度层，但在文档中，模型中有 14 个深度层。

所以问题是，训练模型和我应该在tensoflow lite micro中构建的模型之间有什么关系吗？如果有，我该如何确定如何构建。这就是问题，如果没有关系，我需要以什么方式建立模型。

Answer 1

他们没有显式构建模型，他们依赖于包含架构的模型文件（source）：

  model = tflite::GetModel(g_person_detect_model_data);

其中

g_person_detect_model_data.cc

是使用以下命令从 tflite 模型（包含架构）生成的（请参阅自述文件中的转换为 c 源文件）：

# Install xxd if it is not available
!apt-get -qq install xxd
# Save the file as a C source file
!xxd -i vww_96_grayscale_quantized.tflite > person_detect_model_data.cc

因此您共享的代码不会构建模型。您看到的是，出于性能原因，他们显式添加了模型所需的操作，而不是依赖于更复杂的

tflite::AllOpsResolver

。 您共享的代码上方的评论表明了这一点：

  // Pull in only the operation implementations we need.
  // This relies on a complete list of all the ops needed by this graph.
  // An easier approach is to just use the AllOpsResolver, but this will
  // incur some penalty in code space for op implementations that are not
  // needed by this graph.
  //
  // tflite::AllOpsResolver resolver;
  // NOLINTNEXTLINE(runtime-global-variables)
  static tflite::MicroMutableOpResolver<5> micro_op_resolver;
  micro_op_resolver.AddAveragePool2D();
  micro_op_resolver.AddConv2D();
  micro_op_resolver.AddDepthwiseConv2D();
  micro_op_resolver.AddReshape();
  micro_op_resolver.AddSoftmax();