如何在带有 Coral 的 Raspberry Pi 上使用带有 2 类的自定义 TF.lite 模型？

Question

两天前，我根据图像数据集在 Tflite 中创建了一个自定义模型。准确率为 97.4% 并且只有 2 类 (person, flower)

我将模型转换为在带有 TPU Google Coral 的 Rasberry Pi 中使用它。

目前，我遇到了一些问题。 Google Coral 的文档不适合我。

语言：Python3

图书馆

凯拉斯
张量流
枕头
摄影机
麻木
EdgeTPU 引擎

项目树：

-------->模型（子文件夹）

------------>model.tflite

------------>labels.txt

-------->video_detection.py

这是Python代码：（实际上代码来自文档）

import argparse
import io
import time
import numpy as np
import picamera
import edgetpu.classification.engine
def main():
    parser = argparse.ArgumentParser()
    parser.add_argument(
      '--model', help='File path of Tflite model.', required=True)
    parser.add_argument(
      '--label', help='File path of label file.', required=True)
    args = parser.parse_args()
    with open(args.label, 'r', encoding="utf-8") as f:
        pairs = (l.strip().split(maxsplit=2) for l in f.readlines())
        labels = dict((int(k), v) for k, v in pairs)
    engine = edgetpu.classification.engine.ClassificationEngine(args.model)
    with picamera.PiCamera() as camera:
        camera.resolution = (640, 480)
        camera.framerate = 30
        _, width, height, channels = engine.get_input_tensor_shape()
        camera.start_preview()
        try:
            stream = io.BytesIO()
            for foo in camera.capture_continuous(stream,
                                                 format='rgb',
                                                 use_video_port=True,
                                                 resize=(width, height)):
                stream.truncate()
                stream.seek(0)
                input = np.frombuffer(stream.getvalue(), dtype=np.uint8)
                start_ms = time.time()
                results = engine.ClassifyWithInputTensor(input, top_k=1)
                elapsed_ms = time.time() - start_ms
                if results:
                    camera.annotate_text = "%s %.2f\n%.2fms" % (
                        labels[results[0][0]], results[0][1], elapsed_ms*1000.0)
        finally:
            camera.stop_preview()
if __name__ == '__main__':
    main()

如何运行脚本

python3 video_detection.py --model model/model.tflite --label model/labels.txt

错误

`Traceback (most recent call last):
  File "video_detection.py", line 41, in <module>
    main()
  File "video_detection.py", line 16, in main
    labels = dict((int(k), v) for k, v in pairs)
  File "video_detection.py", line 16, in <genexpr>
    labels = dict((int(k), v) for k, v in pairs)
ValueError: not enough values to unpack (expected 2, got 1)`

对我来说，现在很难集成自定义模型并将其与珊瑚一起使用。

文档：

感谢阅读，此致

E.

Answer 1

错误在 labels.txt 文件中：

labels = dict((int(k), v) for k, v in pairs)
ValueError: not enough values to unpack (expected 2, got 1)`

看起来有些行只有一个值而不是两个

如何在带有 Coral 的 Raspberry Pi 上使用带有 2 类的自定义 TF.lite 模型？

How to use a custom TF.lite model with 2 classes on a Rasperry Pi with a Coral?

python

tensorflow

python-imaging-library

google-coral

如何在带有 Coral 的 Raspberry Pi 上使用带有 2 类 的自定义 TF.lite 模型？

How to use a custom TF.lite model with 2 classes on a Rasperry Pi with a Coral?

python

tensorflow

python-imaging-library

google-coral

如何在带有 Coral 的 Raspberry Pi 上使用带有 2 类的自定义 TF.lite 模型？