深度学习利器：如何在智能终端中应用TensorFlow？

正文

请到「今天看啥」查看全文

TensorFlow 模型如何应用于看花识名 APP 中，主要包括以下几个关键步骤：模型选择和应用、模型文件转换以及 Android 开发。如下图所示：

模型训练及模型文件

本章采用 AlexNet 模型对 Flowers 数据进行训练。AlexNet 在 2012 取得了 ImageNet 最好成绩，top 5 准确率达到 80.2%。这对于传统的机器学习分类算法而言，已经相当出色。模型结构如下：

本文采用 TensorFlow 官方 Slim（ https://github.com/tensorflow/models/tree/master/slim ）AlexNet 模型进行训练。

• 首先下载 Flowers 数据，并转换为 TFRecord 格式：

• 执行模型训练，经过 36618 次迭代后，模型精度达到 85%

• 生成 Inference Graph 的 PB 文件

• 结合 CheckPoint 文件和 Inference GraphPB 文件，生成 Freeze Graph 的 PB 文件

• 对 Freeze Graph 的 PB 文件进行数据量化处理，减少模型文件的大小，生成的 quantized_alexnet_v2_graph.pb 为智能终端中应用的模型文件

为了减少智能终端上模型文件的大小，TensorFlow 中常用的方法是对模型文件进行量化处理，本文对 AlexNet CheckPoint 文件进行 Freeze 和 Quantized 处理后的文件大小变化如下图所示：

请到「今天看啥」查看全文