如何部署训练有素的张量流网络，例如Raspberry Pi

Question

我正在尝试制作一个简单的手势识别系统，以便与我的 Raspberry Pi 配备摄像头的系统一起使用。我想在我功能更强大的笔记本电脑上使用 tensorflow 训练神经网络，然后将其传输到 RPi 进行预测（作为 Magic Mirror 的一部分）。有没有一种方法可以导出经过训练的网络和权重，并使用轻量级版本的张量流进行线性代数和预测，而无需训练所需的所有符号图机器的开销？我已经看过有关 tensorflow 服务器的教程，但我宁愿不设置服务器而只使用它 运行 RPi 上的预测。

Answer 1

是的，可能 available 在源存储库中。这允许部署和 运行 在您的笔记本电脑上训练的模型。注意这里是同型号，可以大

为了处理大小和效率问题，TF 目前正在 quantization approach. After your model is trained, a few extra steps allow to "translate" it into a lighter model with similar accuracy. Currently, the implementation is quite slow, though. There is a recent post 上展示 iOS 的整个过程——与 RaspberryPI 总体上非常相似。

Makefile contribution 与调整和额外配置也非常相关。

请注意，此代码经常移动和中断。有时检查一个旧的 "release" 标签以获得端到端的工作是有用的。