Tensorflow Lite Android Object Detection -- Mobile SSD models expected to have exactly 4 outputs, 找到 8
Tensorflow Lite Android Object Detection -- Mobile SSD models are expected to have exactly 4 outputs, found 8
遇到的问题：
E/AndroidRuntime: FATAL EXCEPTION: main
Process: org.tensorflow.lite.examples.detection, PID: 14719
java.lang.AssertionError: Error occurred when initializing ObjectDetector: Mobile SSD models are expected to have exactly 4 outputs, found 8
问题描述
- Android 应用来源：来自 Google
的 TensorFlow Lite 对象检测示例
- 启动示例应用程序时显示的错误
型号说明
使用自定义模型？ 是
使用的预训练模型：ssd_mobilenet_v2_fpnlite_640x640_coco17_tpu-8
推理类型：FLOAT
类个数：4
系统信息
- OS 平台和分发：( Linux Ubuntu 20.14)
- TensorFlow 版本：2.4.1
- TensorFlow 安装自：Pip
使用的已保存模型转换命令：
1. Saved_Model.pb 出口：
python ./exporter_main_v2.py
--input_type image_tensor
--pipeline_config_path ./models/ssd_mobilenet_v2_fpnlite_640x640_coco17_tpu-8/pipeline.config
--trained_checkpoint_dir ./models/ssd_mobilenet_v2_fpnlite_640x640_coco17_tpu-8
--output_directory exported_models/tflite
2。将保存的模型 (.pb) 转换为 tflite
toco
--saved_model_dir ./exported-models/tflite/saved_model
--emit-select-tf-ops true
--allow_custom_ops
--graph_def_file ./exported-models/tflite/saved_model/saved_model.pb
--output_file ./exported-models/tflite/tflite/detect.tflite
--input_shapes 1,300,300,3
--input_arrays normalized_input_image_tensor
--output_arrays 'TFLite_Detection_PostProcess’,’TFLite_Detection_PostProcess:1','TFLite_Detection_PostProcess:2','TFLite_Detection_PostProcess:3'
--inference_type=FLOAT
--allow_custom_ops
备注
我正在尝试在 Google TensorFlow lite 提供的示例中使用经过训练的自定义模型。只是每次我打开应用程序，它returns这样的错误，Mobile SSD models expected to have exactly 4 outputs, found 8. model is trained to identify 4 类, all stated in the labelmap.txt 和管道配置。
有人知道这个错误吗？
经过进一步研究，我认为出现了上述问题，因为该模型具有8个张量输出，但是Android中编写的应用程序Java只能支持4个张量输出（至少提供的示例by Google 只支持4张量输出)
我不太确定在不同模型上输出的张量数量。据我了解并弄乱了不同的模型，fixed_shape_resizer 为 640 x 640 的模型可能需要超过 4 个张量输出（通常是 8 个张量输出），这与 Android 不兼容应用程序写在 Java.
对于像我这样的业余用户，请在 Android application
中找到以下使用自定义模型的先决条件
建议设置（假设您使用的 TensorFlow 版本 >= 2.3）：
TensorFlow 模型：SSD 模型 fixed_shape_resizer 为 320 x 320
（在我的例子中，SSD MobileNet v2 320x320 工作得很好）
（张量输出必须是 4）
Colab（非常适合模型训练和转换）
（我试过在本地机器的 Linux 和 Windows 平台上进行训练和转换，不同工具和包的不兼容让我很头疼。我原来使用 Colab 来执行培训和转换。它更强大，并且与那些培训工具和脚本具有很好的兼容性。）
that was written by @lu-wang-g
（在我的例子中，在将训练模型转换为 .tflite 后，如果您直接将 .tflite 模型迁移到 Android 应用程序，该应用程序将报告有关 .tflite 模型配置的大量问题。假设您正确训练和转换模型，你只需要上面的metadata writer库，它会根据.tflite模型自动为你配置元数据，然后你可以直接将模型迁移到应用程序中。）
详情请访问我的GitHub问题：
https://github.com/tensorflow/tensorflow/issues/47595
遇到的问题：
E/AndroidRuntime: FATAL EXCEPTION: main Process: org.tensorflow.lite.examples.detection, PID: 14719 java.lang.AssertionError: Error occurred when initializing ObjectDetector: Mobile SSD models are expected to have exactly 4 outputs, found 8
问题描述
- Android 应用来源：来自 Google 的 TensorFlow Lite 对象检测示例
- 启动示例应用程序时显示的错误
型号说明
使用自定义模型？ 是
使用的预训练模型：ssd_mobilenet_v2_fpnlite_640x640_coco17_tpu-8
推理类型：FLOAT
类个数：4
系统信息
- OS 平台和分发：( Linux Ubuntu 20.14)
- TensorFlow 版本：2.4.1
- TensorFlow 安装自：Pip
使用的已保存模型转换命令：
1. Saved_Model.pb 出口：
python ./exporter_main_v2.py
--input_type image_tensor
--pipeline_config_path ./models/ssd_mobilenet_v2_fpnlite_640x640_coco17_tpu-8/pipeline.config
--trained_checkpoint_dir ./models/ssd_mobilenet_v2_fpnlite_640x640_coco17_tpu-8
--output_directory exported_models/tflite
2。将保存的模型 (.pb) 转换为 tflite
toco
--saved_model_dir ./exported-models/tflite/saved_model
--emit-select-tf-ops true
--allow_custom_ops
--graph_def_file ./exported-models/tflite/saved_model/saved_model.pb
--output_file ./exported-models/tflite/tflite/detect.tflite
--input_shapes 1,300,300,3
--input_arrays normalized_input_image_tensor
--output_arrays 'TFLite_Detection_PostProcess’,’TFLite_Detection_PostProcess:1','TFLite_Detection_PostProcess:2','TFLite_Detection_PostProcess:3'
--inference_type=FLOAT
--allow_custom_ops
备注 我正在尝试在 Google TensorFlow lite 提供的示例中使用经过训练的自定义模型。只是每次我打开应用程序，它returns这样的错误，Mobile SSD models expected to have exactly 4 outputs, found 8. model is trained to identify 4 类, all stated in the labelmap.txt 和管道配置。
有人知道这个错误吗？
经过进一步研究，我认为出现了上述问题，因为该模型具有8个张量输出，但是Android中编写的应用程序Java只能支持4个张量输出（至少提供的示例by Google 只支持4张量输出)
我不太确定在不同模型上输出的张量数量。据我了解并弄乱了不同的模型，fixed_shape_resizer 为 640 x 640 的模型可能需要超过 4 个张量输出（通常是 8 个张量输出），这与 Android 不兼容应用程序写在 Java.
对于像我这样的业余用户，请在 Android application
中找到以下使用自定义模型的先决条件
建议设置（假设您使用的 TensorFlow 版本 >= 2.3）：
TensorFlow 模型：SSD 模型 fixed_shape_resizer 为 320 x 320
（在我的例子中，SSD MobileNet v2 320x320 工作得很好） （张量输出必须是 4）Colab（非常适合模型训练和转换）
（我试过在本地机器的 Linux 和 Windows 平台上进行训练和转换，不同工具和包的不兼容让我很头疼。我原来使用 Colab 来执行培训和转换。它更强大，并且与那些培训工具和脚本具有很好的兼容性。）
（在我的例子中，在将训练模型转换为 .tflite 后，如果您直接将 .tflite 模型迁移到 Android 应用程序，该应用程序将报告有关 .tflite 模型配置的大量问题。假设您正确训练和转换模型，你只需要上面的metadata writer库，它会根据.tflite模型自动为你配置元数据，然后你可以直接将模型迁移到应用程序中。）
详情请访问我的GitHub问题：
https://github.com/tensorflow/tensorflow/issues/47595