Schritte zur Konvertierung eines benutzerdefinierten SSD MobileNet V2-Modells in IR mithilfe des Model Optimizer
Vortrainiertes SSD MobileNetV2-Modell in IR konvertiert, kann aber kein individuell trainiertes Modell konvertieren.
- Exportiertes eingefrorenes Modelldiagramm:
python object_detection/export_inference_graph.py \ --input_type=image_tensor \ --pipeline_config_path={PIPELINE_CONFIG_PATH} \ --output_directory="exported_model" \ --trained_checkpoint_prefix="/content/models/research/helmet_detector/model.ckpt-10000"
- Versucht, eingefrorenes Modelldiagramm mit dem Model Optimizer in IR zu konvertieren:
python mo_tf.py \ --input_model ./exported_model/frozen_inference_graph.pb \ --tensorflow_use_custom_operations_config extensions/front/tf/ssd_v2_support.python \ --tensorflow_object_detection_api_pipeline_config ./helment_detector_tf1.config \ --input_shape [1,300,300,3] \ --reverse_input_channels \ --output_dir output_ncs \ --data_type FP16
- Fehler aufgetreten:
[ FEHLER ] Die Ausnahme ist beim Ausführen des Replacers "REPLACEMENT_ID" aufgetreten(): Eine unerwartete Ausnahme ist beim Extrahieren von Attributen für Node StatefulPartitionedCall/Postprocessor/BatchMultiClassNonMaxSuppression/map/while aufgetreten. Ursprüngliche Ausnahmenachricht: "^Postprozessor/BatchMultiClassNonMaxSuppression/map/while/MultiClassNonMaxSuppression/SortByField/Assert/Assert"
Verwenden Sie im Konvertierungsbefehl Model Optimizer die entsprechende benutzerdefinierte Operations-Konfigurationsdatei für SSD MobileNetV2-Modelle, die mit TensorFlow* 1 Modellen generiert werden: ssd_support_api_v1.15.. Auf der folgenden Seite finden Sie Anleitungen zur Konvertierung: Anleitungen zur Modellkonvertierung
python3 ./openvino/model-optimizer/mo_tf.py --input_model ./detector/exported_model/frozen_inference_graph.pb --tensorflow_use_custom_operations_config ./openvino/model-optimizer/extensions/front/tf/ssd_support_api_v1.15.000 --tensorflow_object_detection_api_pipeline_config ./detector/helment_detector_tf1.config --input_shape [1.300.300,3] --reverse_input_channels --data_type FP16