python - 如何为珊瑚训练 Efficientnet edgeTPU 模型?
问题描述
我有珊瑚 USB 加速器,我正在寻找训练图像分类模型。我能找到的最适合我需要的模型是 EfficientNet-EdgeTpu (S)。我试图找到一种方法来使用 tensorflow API 重新训练我的计算机中的模型,但我能找到的(主要是珊瑚页面和 tensorflow git 自述文件)是如何使用谷歌云工具和虚拟机来训练它。是否需要使用谷歌云解决方案来训练 EfficientNet-EdgeTpu 模型?
我还发现了如何轻松训练 Efficientnet 模型 B0-B7,但我不知道这些模型是否与在珊瑚 USB 中运行的 EfficientNet-EdgeTpu (S/M/B) 相同。
我只想找到一种简单的方法来在我的计算机中训练更适合珊瑚 USB 的高效网络模型,而无需创建帐户并支付谷歌存储和 VM 培训费用。
解决方案
您可以做的一件事是在您的自定义数据上训练开箱即用的效率网络(来自 tensorflow)并将其转换为 tflite,然后使用 edgetpu_compiler 对其进行编译。
from tensorflow.keras.applications import EfficientNetB0
推荐阅读
- python - 在 selenium python 中移动 web 元素的偏移量
- excel - 如何“单击”图像中显示的绿色箭头 [SAP 欢迎屏幕]
- python - 如何在 python-ldap 中解决“没有名为 'pyasn1_modules.rfc2251' 的模块”
- python - 相同的 Python 代码似乎具有不同的性能特征
- file - How to associate static files with user in Express?
- sql - 如何在 CLOB 列中插入数据(Oracle)
- jquery - 重复jquery函数
- c# - 在 Blazor 中获取子组件列表的最佳方法
- java - 将 DTO 转换为 DTO 数组
- kubernetes - 如何从外部访问位于 minikube 中的服务