我正在学习 TensorFlow，并希望将图像分类模型转换为 Core ML，以便在 iOS 应用程序中使用。
这个TensorFlow image classification tutorial与我想做的训练非常匹配，但是我还没有弄清楚如何将其转换为 Core ML。
这是我尝试过的，将以下内容添加到本教程的 Colab 笔记本的末尾：
# install coremltools
!pip install coremltools
# import coremltools
import coremltools as ct
# define the input type
image_input = ct.ImageType()
# create classifier configuration with the class labels
classifier_config = ct.ClassifierConfig(class_names)
# perform the conversion
coreml_model = ct.convert(
model, inputs=[image_input], classifier_config=classifier_config,
)
# print info about the converted model
print(coreml_model)
# save the file
coreml_model.save('my_coreml_model')
这成功地创建了一个 mlmodel 文件，但是当我下载文件并在 Xcode 中打开它来测试它（在“预览”选项卡下）时，它会显示像“玫瑰 900 ％ 信心”和“郁金香 1,120 ％ 信心”的结果。
在import coremltools as ct上，我确实收到了一些警告，例如“WARNING：root：TensorFlow 版本 2.8.2 尚未使用 coremltools 进行测试。您可能会遇到意外错误。”但我猜这不是问题，因为转换不会报告任何错误。
基于information here，我也尝试在图像输入上设置比例：
image_input = ct.ImageType(scale=1/255.0)
...但这让事情变得更糟，因为它有大约 315% 的信心，每个图像都是蒲公英。
在这一点上，我不知道还能尝试什么。任何帮助是赞赏！
1
模型的最后一层应该是这样的：
layers.Dense(num_cl, activation='softmax')
softmax 函数将您的输出转换为您需要的概率。
本站系公益性非盈利分享网址，本文来自用户投稿，不代表码文网立场，如若转载，请注明出处
评论列表（73条）