tensorflow初始和mobilenet之间有什么区别

Question

最近我一直在使用tensorflow初始V3和mobileNet来部署它们以便在Android中使用。虽然将初始版本V3的重新训练模型转换为“tflite”，但由于“tflite”模型是空的，因此在使用重新训练的MobileNet模型时，它已成功转换为“tflite”。所以基本上我有两个问题

1. 是否有可能将初始V3再训练模型转换为“tflite”？
2. 初始V3和MobileNet有什么区别？

PS。我已经浏览了官方文档链接，该链接仅暗示了mobileNet

https://www.tensorflow.org/tutorials/image_retraining#other_model_architectures

Answer 1

是的，这两个模型都可以转换为tflite格式。有关一步一步的程序，请通过此链接Convert to tflite。

InceptionV3和Mobilenet之间的主要区别在于Mobilenet使用Depthwise可分卷积，而Inception V3使用标准卷积。与InceptionV3相比，这导致MobileNet中的参数数量减少。但是，这也会导致性能略有下降。

在标准卷积中，滤波器在输入图像的M个通道上一起操作并输出N个特征图，即输入和滤波器之间的矩阵乘法是多维的。为清楚起见，将滤波器视为大小为Dk x Dk x M的立方体，然后在标准卷积中，立方体的每个元素将与输入要素矩阵中的对应元素相乘，最后在乘法后，将添加要素贴图输出N个特征映射。

然而，在深度可分离卷积中，M个单通道滤波器将在输入特征中的单个立方体上操作，并且一旦获得M个滤波器输​​出，将对其进行大小为1×1×M的逐点滤波器以给出N个输出特征映射。 。这可以从下面的MobileNet paper图中理解。

为了更清楚，请通过DataScienceLink。他们有一个具体的例子说明它如何减少我在这里简单粘贴的参数数量。

4