如何解决将 tensorflow 子类模型转换为需要多阵列和图像输入类型的 mlmodel?
我在将带有子类层的 tensorflow 模型转换为 mlmodel 时遇到了问题。该模型需要多数组和图像类型输入,但我找不到有关混合数据输入模型的任何参考。
起初,使用 ct.convert,我得到了如下所示的 mlmodel。 (所有数据的批量大小维度均为 1)。
- 输入 1 : MultiArray (Float32 1 x 4)
- 输入 2 : MultiArray (Float32 1 x 18)
- 输入 3 : MultiArray (Float32 1 x 18)
- 输入 4 : MultiArray (Float32 1 x 224 x 224 x 1)
- 输入 5 : MultiArray (Float32 1 x 224 x 224 x 1)
- 输入 6 : MultiArray (Float32 1 x 224 x 224 x 1)
以下结构是所需的模型。
- 输入 1 : MultiArray (Float32 1 x 4)
- 输入 2 : MultiArray (Float32 1 x 18)
- 输入 3 : MultiArray (Float32 1 x 18)
- 输入 4 :图像(灰度 224 x 224)
- 输入 5 :图像(灰度 224 x 224)
- 输入 6 :图像(灰度 224 x 224)
那么问题是,如何有选择地将多数组类型输入转换为图像类型输入?如果可以,可以将批量尺寸的图像数据 (1 x 244 x 244 x 1) 删除为 (224 x 224) 灰度图像吗?
我尝试过 coremltools.converters.keras.convert(),但它似乎不适用于 tensorflow 子类模型。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。