在设备 Coral Edge TPU 上重新训练 - 输出张量大小
Retraining on device Coral Edge TPU - output tensor size
我正在按照这里的例子
https://coral.ai/docs/edgetpu/retrain-classification-ondevice/#api-summary
使用提供的示例代码 (imprinting_learning.py) 自定义模型（最初是 MobileNet v1）。
我让它工作了，它运行良好，使用上述模型对图像或视频流进行分类。
我现在正在尝试使用它来自定义一个模型，该模型将用于对象检测，制作边界框。
当我第一次尝试使用新训练的模型时（基于示例中给出的 mobilenetV1），我得到了
检测模型应该有4个输出张量！该模型有 1.
我尝试根据模型 mobilenet_ssd_v2_coco_quant_postprocess_edgetpu.tflite 开始新的重新训练，（我过去曾成功地使用它进行对象检测），我在训练过程中出错（使用 imprinting_learning.py )
RuntimeError：Logit 输出张量应为 [1,x]
感谢您的帮助！
我相信您已经就此问题联系了我们的私人频道，但是我想在这里回答问题并提供模式详细信息，以供其他人参考。
有几件事我想澄清一下：
为了使模型与 ImprintingEngine 一起工作，需要对其进行准备。当您以当前状态提供模型时，印记引擎无法将权重更新为我们想要的行为。这个过程非常复杂，有点超出我们的支持范围，但可以找到更多详细信息 here. If you want to prepare your own model, the backprop would be a much simpler approach as you'll just need to prepare an embedding extractor! Our page have instructions on how to create embedding extractors. And the backprop uses a technique calls softmax regression.
不幸的是，在任何一种情况下，对象检测模型都不会与我们的设备学习教程一起使用。错误消息清楚地指出输出张量不匹配，该层无法与印记引擎或 softmax 回归引擎兼容。本教程专为分类而设计。您可以详细了解对象检测模型的输出张量on this page.
对于对象检测再训练，有这个教程，尽管它需要来自主机的资源：
https://coral.ai/docs/edgetpu/retrain-detection/
我正在按照这里的例子 https://coral.ai/docs/edgetpu/retrain-classification-ondevice/#api-summary 使用提供的示例代码 (imprinting_learning.py) 自定义模型（最初是 MobileNet v1）。
我让它工作了，它运行良好，使用上述模型对图像或视频流进行分类。
我现在正在尝试使用它来自定义一个模型，该模型将用于对象检测，制作边界框。 当我第一次尝试使用新训练的模型时（基于示例中给出的 mobilenetV1），我得到了
检测模型应该有4个输出张量！该模型有 1.
我尝试根据模型 mobilenet_ssd_v2_coco_quant_postprocess_edgetpu.tflite 开始新的重新训练，（我过去曾成功地使用它进行对象检测），我在训练过程中出错（使用 imprinting_learning.py )
RuntimeError：Logit 输出张量应为 [1,x]
感谢您的帮助！
我相信您已经就此问题联系了我们的私人频道，但是我想在这里回答问题并提供模式详细信息，以供其他人参考。 有几件事我想澄清一下：
为了使模型与 ImprintingEngine 一起工作，需要对其进行准备。当您以当前状态提供模型时，印记引擎无法将权重更新为我们想要的行为。这个过程非常复杂，有点超出我们的支持范围，但可以找到更多详细信息 here. If you want to prepare your own model, the backprop would be a much simpler approach as you'll just need to prepare an embedding extractor! Our page have instructions on how to create embedding extractors. And the backprop uses a technique calls softmax regression.
不幸的是，在任何一种情况下，对象检测模型都不会与我们的设备学习教程一起使用。错误消息清楚地指出输出张量不匹配，该层无法与印记引擎或 softmax 回归引擎兼容。本教程专为分类而设计。您可以详细了解对象检测模型的输出张量on this page.
对于对象检测再训练，有这个教程，尽管它需要来自主机的资源： https://coral.ai/docs/edgetpu/retrain-detection/