自定义：操作正在处理不受支持的数据类型 EDGETPU
CUSTOM : Operation is working on an unsupported data type EDGETPU
我正在尝试为 Coral USB 重新训练自定义对象检测器模型，并遵循这些 link 中的珊瑚 AI 教程； https://coral.ai/docs/edgetpu/retrain-detection/#requirements
重新训练 ssd_mobilenet_v2 模型后，使用 edge tpu 编译器转换 edge tpu 模型。
编译结果是这些；
Operator
Count
Status
CUSTOM
1
Operation is working on an unsupported data type
ADD
10
Mapped to Edge TPU
LOGISTIC
1
Mapped to Edge TPU
CONCATENATION
2
Mapped to Edge TPU
RESHAPE
13
Mapped to Edge TPU
CONV_2D
55
Mapped to Edge TPU
DEPTHWISE_CONV_2D
17
Mapped to Edge TPU
并从 netron 可视化；
“自定义”运算符未映射。所有操作都映射并在 tpu 上运行，但“自定义”在 cpu 上运行。
我在 ssd_mobilenet_v1
中看到了相同的运算符
如何将所有运算符转换为 edgetpu 模型？什么是自定义运算符？
（您可以从此处找到支持的运算符 https://coral.ai/docs/edgetpu/models-intro/#supported-operations）
这是 SSD 型号的正确输出。 TFLite_Detection_PostProcess 是自定义操作，在 EdgeTPU 上不是 运行。如果您 运行 netron 在我们 https://coral.ai/models/ 上的一种默认 SSD 型号上，在这种情况下，您会在 CPU 上看到后处理 运行s。
对于您的模型，模型的每个部分都已成功转换。最后一个阶段（获取模型输出并将其转换为各种可用输出）是 TFLite 中的自定义实现，它已经针对速度进行了优化，但属于通用计算，而不是 EdgeTPU 加速的 TFLite 操作。
我正在尝试为 Coral USB 重新训练自定义对象检测器模型，并遵循这些 link 中的珊瑚 AI 教程； https://coral.ai/docs/edgetpu/retrain-detection/#requirements
重新训练 ssd_mobilenet_v2 模型后，使用 edge tpu 编译器转换 edge tpu 模型。 编译结果是这些；
| Operator | Count | Status |
|---|---|---|
| CUSTOM | 1 | Operation is working on an unsupported data type |
| ADD | 10 | Mapped to Edge TPU |
| LOGISTIC | 1 | Mapped to Edge TPU |
| CONCATENATION | 2 | Mapped to Edge TPU |
| RESHAPE | 13 | Mapped to Edge TPU |
| CONV_2D | 55 | Mapped to Edge TPU |
| DEPTHWISE_CONV_2D | 17 | Mapped to Edge TPU |
并从 netron 可视化；
“自定义”运算符未映射。所有操作都映射并在 tpu 上运行，但“自定义”在 cpu 上运行。 我在 ssd_mobilenet_v1
中看到了相同的运算符如何将所有运算符转换为 edgetpu 模型？什么是自定义运算符？ （您可以从此处找到支持的运算符 https://coral.ai/docs/edgetpu/models-intro/#supported-operations）
这是 SSD 型号的正确输出。 TFLite_Detection_PostProcess 是自定义操作，在 EdgeTPU 上不是 运行。如果您 运行 netron 在我们 https://coral.ai/models/ 上的一种默认 SSD 型号上，在这种情况下，您会在 CPU 上看到后处理 运行s。
对于您的模型，模型的每个部分都已成功转换。最后一个阶段（获取模型输出并将其转换为各种可用输出）是 TFLite 中的自定义实现，它已经针对速度进行了优化，但属于通用计算，而不是 EdgeTPU 加速的 TFLite 操作。