镜头工作室的SnAPML模型问题

发布于 2025-02-11 19:20:23 字数 236 浏览 3 评论 0原文

我构建了一个自定义模型，用于使用TensorFlow和Keras对汽车的图像进行分类，以构建由机器学习提供动力的快速镜头。镜头工作室仅接受量化的模型；该模型必须使用TFLITE模块进行量化过程。

但是，问题在于传递到镜头工作室的模型无法正常运行。它仅在启动后首次显示分类结果；然后，尽管图像/视频更改，结果（甚至分类背后的概率数）仍然是静态的。

关于如何解决此问题的任何提示将不胜感激。输入图像设置的配置与SNAP提供的模板相同。

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

歌枕肩 2025-02-18 19:20:23

如果您共享代码以调查问题，那将是有益的。

但是，根据我在手册的

如果我们希望对一系列图像或视频进行培训，那么我们需要在它们上创建所有输入和 itterate 的列表/词典，并在其中制作一个计时器。

您可以在实验中做类似的事情：

snampl_classifier = RandomForestClassifier()

start_time = time.time()

scores = cross_val_score(snampl_classifier, features, target, cv=3)

print("Training Time with snapml: {}".format(time.time() - start_time))

print("Scores: {}".format(scores))

我还希望您阅读此文章以更好地理解。

It would have been beneficial had you shared the code to probe into the issue.

However, as per what I have seen in the manual of SnapML, the code is available to train 1 model at a time.

If we want a series of images or videos to be trained then we need to create a list/dictionary of all the inputs and Iterate over them as well as put a timer to it.

You can do something like this in your experiment :

snampl_classifier = RandomForestClassifier()

start_time = time.time()

scores = cross_val_score(snampl_classifier, features, target, cv=3)

print("Training Time with snapml: {}".format(time.time() - start_time))

print("Scores: {}".format(scores))

I also would like you to read this article for better understanding.

回复收藏 0 原文

~没有更多了~