如何将此TensorFlow图像分类模型转换为核心ML？

Question

我正在学习TensorFlow，并希望将图像分类模型转换为用于iOS应用中的Core ML。

this tensorflow Image分类图教程与我想为培训所做的接近匹配，但我无法弄清楚如何将其转换为核心ML。

这是我尝试的内容，将以下内容添加到教程的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')

成功创建一个mlModel文件，但是当我下载文件并在XCode中打开文件以测试它时（在“预览”选项卡下）它显示了“玫瑰900％置信度”和“郁金香1,120％的信心”之类的结果。对于我的用途，信心百分比需要从0到100％，因此我认为我缺少转换的一些参数。

在上导入Coremltools作为CT我确实会收到一些警告，例如“警告：root：Tensorflow版本2.8.2版本2.8.2尚未使用Coremltools进行测试。您可能会遇到意外的错误。”但是我猜那不是问题，因为转换没有报告任何错误。

基于在此处进行信息，我也尝试在图像输入上设置标尺：

image_input = ct.ImageType(scale=1/255.0)

…但是，这使情况变得更糟，因为它对每个图像都是蒲公英的信心约为315％。其他一些设置秤 /偏见的尝试都导致了同一件事。

在这一点上，我不确定还要尝试什么。任何帮助都将受到赞赏！

Answer 1

模型的最后一层应该是这样的：

layers.Dense(num_classes, activation='softmax')

SoftMax功能将您的输出转换为所需的概率。