Convert yolov4-tiny to transflow lite: ValueError: cannot reshape array of size 374698 into shape (256,256,3,3)
Convert yolov4-tiny to transflow lite: ValueError: cannot reshape array of size 374698 into shape (256,256,3,3)
当我尝试将我的 yolov4-tiny 自定义权重转换为 tftile 时，它总是发生。
这是我输入的：
python save_model.py --weights ./data/yolov4-tiny-obj-food_final.weights --output ./checkpoints/yolov4-tiny-416-tflite --input_size 416 --model yolov4 --framework tflite
然后出现错误信息。
conv_weights = conv_weights.reshape(conv_shape).transpose([2, 3, 1, 0])
ValueError: cannot reshape array of size 374698 into shape (256,256,3,3)
我检查了我的labels.txt没有space或更多lines.Also，我已经在config.py中更改了名字。
有什么办法可以解决这个问题吗？
感谢帮助！
附上我的部分代码，希望对你有帮助。
这里是github:https://github.com/piggychu0w0/food-image-detection
.cfg:
[convolutional]
size=1
stride=1
pad=1
filters=21
activation=linear
[yolo]
mask = 3,4,5
anchors = 10,14, 23,27, 37,58, 81,82, 135,169, 344,319
classes=2
num=6
jitter=.3
scale_x_y = 1.05
cls_normalizer=1.0
iou_normalizer=0.07
iou_loss=ciou
ignore_thresh = .7
truth_thresh = 1
random=0
resize=1.5
nms_kind=greedynms
beta_nms=0.6
.姓名：
rice
toast
简答
您必须在命令中添加 --tiny。根据您在问题中给出的命令，它将是。
python save_model.py --weights ./data/yolov4-tiny-obj-food_final.weights --output ./checkpoints/yolov4-tiny-416-tflite --input_size 416 --model yolov4 --framework tflite --tiny
长答案
你看，有this line that if you set it to True (by adding --tiny) it will make the load_weights() uses layer_size = 21 here instead of layer_size = 110 here。
这里的问题是你拥有的权重和 np.fromfile 命令实际上给你一大块一维数组，在这个特定文件中它的大小是 (5882629,)，然后你有将这些变量一一分配给层。
因此，当您创建大模型而不是小模型时。微小的称重文件在第49层用完了变量，并且搞笑了这么大的质数。
当我尝试将我的 yolov4-tiny 自定义权重转换为 tftile 时，它总是发生。
这是我输入的：
python save_model.py --weights ./data/yolov4-tiny-obj-food_final.weights --output ./checkpoints/yolov4-tiny-416-tflite --input_size 416 --model yolov4 --framework tflite
然后出现错误信息。
conv_weights = conv_weights.reshape(conv_shape).transpose([2, 3, 1, 0])
ValueError: cannot reshape array of size 374698 into shape (256,256,3,3)
我检查了我的labels.txt没有space或更多lines.Also，我已经在config.py中更改了名字。
有什么办法可以解决这个问题吗？
感谢帮助！
附上我的部分代码，希望对你有帮助。
这里是github:https://github.com/piggychu0w0/food-image-detection
.cfg:
[convolutional]
size=1
stride=1
pad=1
filters=21
activation=linear
[yolo]
mask = 3,4,5
anchors = 10,14, 23,27, 37,58, 81,82, 135,169, 344,319
classes=2
num=6
jitter=.3
scale_x_y = 1.05
cls_normalizer=1.0
iou_normalizer=0.07
iou_loss=ciou
ignore_thresh = .7
truth_thresh = 1
random=0
resize=1.5
nms_kind=greedynms
beta_nms=0.6
.姓名：
rice
toast
简答
您必须在命令中添加 --tiny。根据您在问题中给出的命令，它将是。
python save_model.py --weights ./data/yolov4-tiny-obj-food_final.weights --output ./checkpoints/yolov4-tiny-416-tflite --input_size 416 --model yolov4 --framework tflite --tiny
长答案
你看，有this line that if you set it to True (by adding --tiny) it will make the load_weights() uses layer_size = 21 here instead of layer_size = 110 here。
这里的问题是你拥有的权重和 np.fromfile 命令实际上给你一大块一维数组，在这个特定文件中它的大小是 (5882629,)，然后你有将这些变量一一分配给层。
因此，当您创建大模型而不是小模型时。微小的称重文件在第49层用完了变量，并且搞笑了这么大的质数。