Mobilenet SSD 输入形状
Mobilenet SSD input shape
我已经针对单个对象检测任务在自定义数据集上训练了移动 SSD V2 模型，并将其转换为 tflite。当我使用解释器加载 .tflite 模型进行测试，并使用 input_details = model.get_input_details() 获取输入详细信息时，它输出
[{'name': 'normalized_input_image_tensor',
'index': 272,
'shape': array([ 1, 300, 300, 3], dtype=int32),
'dtype': numpy.uint8,
'quantization': (0.0078125, 128)}]
我知道“300x300”是图像的高度和宽度，“3”是 RGB 通道，但第一个元素（“1”）指的是什么？
形状：[Batch_size、高度、宽度、通道]
如果你想改变那个大小，你需要在转换成pb文件之前设置它，例如使用export_inference_graph
我已经针对单个对象检测任务在自定义数据集上训练了移动 SSD V2 模型，并将其转换为 tflite。当我使用解释器加载 .tflite 模型进行测试，并使用 input_details = model.get_input_details() 获取输入详细信息时，它输出
[{'name': 'normalized_input_image_tensor',
'index': 272,
'shape': array([ 1, 300, 300, 3], dtype=int32),
'dtype': numpy.uint8,
'quantization': (0.0078125, 128)}]
我知道“300x300”是图像的高度和宽度，“3”是 RGB 通道，但第一个元素（“1”）指的是什么？
形状：[Batch_size、高度、宽度、通道]
如果你想改变那个大小，你需要在转换成pb文件之前设置它，例如使用export_inference_graph