Как узнать информацию о функциях ввода / вывода модели Tensorflow Lite?

Я мобильный разработчик. И я хочу использовать различные модели Tensorflow Lite (.tflite) с MLKit.

Но есть некоторые проблемы, я не знаю, как узнать .tflite информацию о функциях ввода / вывода модели (это будут параметры для настройки).

Есть ли способ узнать это?

Извините за плохой английский и спасибо.

Обновление (18.06.13.):

Я нашел этот сайт https://lutzroeder.github.io/Netron/. Визуализируйте график на основе вашей загруженной модели (например, .mlmode или .tflite и т. Д.) И найдите форму ввода / вывода.

Вот пример скриншота! https://i.stack.imgur.com/h6V6E.png


machine-learning firebase-mlkit deep-learning tensorflow-lite
person tucan9389    schedule 01.06.2018    source источник
comment
Когда вы создаете модель tflite, вам необходимо знать типы и формы ввода и вывода. И это вся информация, необходимая для запуска модели в ML Kit. Как вы создаете модель tflite?   -  person Pannag Sanketi    schedule 01.06.2018
comment
@PannagSanketi Спасибо за повтор. Я загрузил с здесь MobileNet. Я знаю об этом, если я попытаюсь найти информацию об особенностях интерфейса MobileNet, я могу найти ее на веб-странице и в статьях. Но мой вопрос в том, есть ли у меня информация о вводе / выводе в модели. (Модель Core ML имеет эту метаинформацию) Спасибо!   -  person tucan9389    schedule 02.06.2018

Ответы (2)


arrow_upward
7
arrow_downward

Если у вас уже есть модель tflite, которую вы не создали сами, и вы хотите заглянуть внутрь файла tflite и понять свои входные и выходные данные, вы можете использовать инструмент flatc и преобразовать модель в файл .json и прочтите это.

Сначала клонируйте репозиторий flatbuffers и создайте flatc.

git clone https://github.com/google/flatbuffers.git

Затем вам нужно сохранить файл tenorflow schema.fbs локально. Либо проверьте тензорный поток на github, либо скачайте этот . Затем вы можете запустить flatc, чтобы сгенерировать файл json из входной модели tflite.

flatc -t schema.fbs -- input_model.tflite

Это создаст input_model.json файл, который будет легко читать.

person Pannag Sanketi    schedule 01.06.2018
comment
Спасибо! Это ответ, чего я хочу! Еще раз спасибо полезный совет! - person tucan9389; 02.06.2018
comment
Я получаю ошибку в определении схемы: ошибка: schema.fbs: 7: 1: ошибка: недопустимый символ: ‹какие-нибудь идеи? - person mohsaied; 30.05.2019
comment
Указанный выше файл схемы неверен. Кажется, это работает: raw.githubusercontent.com / tenorflow / tensorflow / master / - person mcExchange; 31.05.2019
comment
К сожалению, файл json - это полная чушь. Я до сих пор не знаю ожидаемых входных и выходных размеров сети. - person mcExchange; 31.05.2019

arrow_upward
0
arrow_downward

Добавление к приведенному выше ответу:

См. Эти инструкции по сборке:

https://google.github.io/flatbuffers/md__building.html

Если у вас уже есть модель tflite, которую вы не создали сами, и вы хотите заглянуть внутрь файла tflite и понять свои входные и выходные данные, вы можете использовать инструмент flatc, преобразовать модель в файл .json и прочитать его.

Сначала клонируйте репозиторий flatbuffers и создайте flatc.

git clone https://github.com/google/flatbuffers.git

Затем вам нужно сохранить файл tenorflow schema.fbs локально. Либо проверьте тензорный поток на github, либо загрузите этот файл. Затем вы можете запустить flatc, чтобы сгенерировать файл json из входной модели tflite.

flatc -t schema.fbs -- input_model.tflite

Это создаст файл input_model.json, который будет легко читать.

person WilderField    schedule 18.10.2018