如何为 Intel Movidius 重新训练检测模型并对其进行量化？
How to retrain a detection model and quantize it for Intel Movidius?
我想使用新的图像数据集重新训练现有的对象检测模型，并针对英特尔 Movidius 对其进行量化。有什么工作程序可以做到这一点吗？
我已经成功地重新训练了模型，但未能对其进行量化。我遵循了以下教程 Retrain SSD MobileNet
Movidius 设备仅支持 FP16 模型，要转换 SSD Mobilenet 的 caffe 版本，您需要将“--data_type FP16”提供给模型优化器 (mo.py)
openvino模型zoo有一个mobilenet-ssd模型，同样使用caffe，关联的yaml文件有如下参数
model_optimizer_args:
- --input_shape=[1,3,300,300]
- --输入=数据
- --mean_values=数据[127.5,127.5,127.5]
- --scale_values=数据[127.5]
- --输出=detection_out
- --input_model=$dl_dir/mobilenet-ssd.caffemodel
- --input_proto=$dl_dir/mobilenet-ssd.prototxt.
请注意，您的输入形状以及平均值和尺度值可能会有所不同，因此请更改它们以匹配您重新训练的模型。
还有一个演示文件随 openvino that can be used with your converted model. See the associated mode.lst file for all the supported architectures. https://github.com/openvinotoolkit/open_model_zoo/tree/master/demos/object_detection_demo/python
一起提供
我想使用新的图像数据集重新训练现有的对象检测模型，并针对英特尔 Movidius 对其进行量化。有什么工作程序可以做到这一点吗？
我已经成功地重新训练了模型，但未能对其进行量化。我遵循了以下教程 Retrain SSD MobileNet
Movidius 设备仅支持 FP16 模型，要转换 SSD Mobilenet 的 caffe 版本，您需要将“--data_type FP16”提供给模型优化器 (mo.py) openvino模型zoo有一个mobilenet-ssd模型，同样使用caffe，关联的yaml文件有如下参数 model_optimizer_args:
- --input_shape=[1,3,300,300]
- --输入=数据
- --mean_values=数据[127.5,127.5,127.5]
- --scale_values=数据[127.5]
- --输出=detection_out
- --input_model=$dl_dir/mobilenet-ssd.caffemodel
- --input_proto=$dl_dir/mobilenet-ssd.prototxt.
请注意，您的输入形状以及平均值和尺度值可能会有所不同，因此请更改它们以匹配您重新训练的模型。
还有一个演示文件随 openvino that can be used with your converted model. See the associated mode.lst file for all the supported architectures. https://github.com/openvinotoolkit/open_model_zoo/tree/master/demos/object_detection_demo/python
一起提供