Google Coral Edge TPU 编译模型 - 推理总是几乎相同

Question

我正在尝试让 Mobilenetv2 模型（对我的数据集重新训练的最后一层）在 Google 边缘 TPU Coral 上运行。我可以使用“edgetpu_compiler”（关注此页面https://coral.withgoogle.com/docs/edgetpu/compiler/#usage）来量化和编译模型。但是当我在 TPU 中运行推理时，我会得到与非常不同的输入图像相似的输出。

我使用 'tflite_convert' 工具来量化模型，如下所示：

tflite_convert --output_file=./model.tflite 
--keras_model_file=models/MobileNet2_best-val-acc.h5 --output_format=TFLITE
--inference_type=QUANTIZED_UINT8 --default_ranges_min=0 --default_ranges_max=6 
--std_dev_values=127 --mean_values=128 --input_shapes=1,482,640,3 --input_arrays=input_2

然后我使用 'edgetpu_compiler' 工具为 TPU 编译它：

sudo edgetpu_compiler  model.tflite
Edge TPU Compiler version 2.0.258810407
INFO: Initialized TensorFlow Lite runtime.

Model compiled successfully in 557 ms.

Input model: model.tflite
Input size: 3.44MiB
Output model: model_edgetpu.tflite
Output size: 4.16MiB
On-chip memory available for caching model parameters: 4.25MiB
On-chip memory used for caching model parameters: 3.81MiB
Off-chip memory used for streaming uncached model parameters: 0.00B
Number of Edge TPU subgraphs: 1
Total number of operations: 71
Operation log: model_edgetpu.log
See the operation log file for individual operation details.

然后当我使用此代码运行推理时：

...
labels = ["Class1", "Class2", "Class3", "Class4"]
results = engine.ClassifyWithImage(img, top_k=4)
for result in results:
    print('---------------------------')
    print(labels[result[0]])
    print('Score : ', result[1])

输出是这样的（假设标签[“Class1”，“Class2”，“Class3”，“Class4”]）：

---------------------------
Class1
Score :  0.2890625
---------------------------
Class2
Score :  0.26953125
---------------------------
Class3
Score :  0.21875
---------------------------
Class4
Score :  0.21875

对于任何输入图像来说几乎相同，通常前两个类具有相同（或非常非常相似）的值（第三和第四个相同），如上例所示。一个类应该是 0.99 (as it is in the .h5 model or even in the .tflite model without quantization)

可以是-default_ranges_min=0 --default_ranges_max=6 --std_dev_values=127 --mean_values=128?参数的东西吗？我该如何计算它们？

编辑1：

使用post 的答案，我尝试使用--std_dev_values=127 --mean_values=128 and --std_dev_values=255 --mean_values=0 来量化模型，但我仍然得到垃圾推断。由于mobilenet2使用relu6，默认范围应该是-default_ranges_min=0 --default_ranges_max=6吧？

模型是一个重新训练的MobileNetv2，输入是RGB图像（3通道），输入形状是1,482,640,3。

Answer 1

根据您对 mobilenetv1 的评论，听起来您正在采用重新训练的浮点模型并将其转换为 TFLite。您打算通过运行您列出的命令来量化它。

我建议您仔细查看 TensorFlow lite 文档。一般来说，有两种量化方式（在训练期间进行和在训练后进行）。您似乎想要采取的方法是训练后。

对像 Coral 这样的东西进行后期训练的正确方法是遵循这个 指南 (https://www.tensorflow.org/lite/performance/post_training_integer_quant)，这里是 Coral 团队推荐的 (https://coral.withgoogle.com/news/updates-07-2019/)。

您在上面使用的流程更适合训练时间量化。