Étapes de conversion du modèle SSD MobileNet V2 personnalisé en IR à l’aide de l’optimiseur de modèle
Modèle SSD pré-formé MobileNetV2 converti en IR, mais il n’est pas en mesure de convertir un modèle personnalisé.
- Graphique du modèle bloqué exporté :
python object_detection/export_inference_graph.py \ --input_type=image_tensor \ --pipeline_config_path={PIPELINE_CONFIG_PATH} \-output_directory="exported_model » \ -trained_checkpoint_prefix="/content/models/research/helmet_detector/model.ckpt-10000 »
- Tentative de conversion d’un graphique de modèle bloqué en ir à l’aide de l’optimiseur de modèle :
python mo_tf.py \ --input_model./exported_model/frozen_inference_graph.pb \ --tensorflow_use_custom_operations_config extensions/front/tf/ssd_v2_support.json \ -tensorflow_object_detection_api_pipeline_config ./helment_detector_tf1.config \ --input_shape [1 300 300 300 3] \ -reverse_input_channels \ --output_dir output_ncs \-data_type FP16
- Erreur rencontrée :
[ERREUR ] Une exception s’est produite pendant l’exécution du remplacement « REPLACEMENT_ID » () : une exception inattendue s’est produite pendant l’extraction des attributs pour le nœud StatefulPartitionedSor/Postprocessor/BatchMultiClassNonMaxSuppression/map/while. Message d’exception original : « ^Postprocessor/BatchMultiClassNonMaxSuppression/map/while/MultiClassNonMaxSuppression/SortByField/Assert/Assert »
Dans la commande de conversion Optimiseur de modèle, utilisez le fichier de configuration des opérations personnalisées approprié pour les modèles SSD MobileNetV2 générés avec TensorFlow* 1 models : ssd_support_api_v1.15.json. Reportez-vous à la page suivante pour obtenir des instructions de conversion : Comment convertir un modèle
python3./openvino/model-optimizer/mo_tf.py --input_model ./detector/exported_model/frozen_inference_graph.pb --tensorflow_use_custom_operations_config ./openvino/model-optimizer/extensions/front/tf/ssd_support_api_v1.15.json --tensorflow_object_detection_api_pipeline_config ./detector/helment_detector_tf1.config --input_shape [1 300 300 3] --reverse_input_channels --data_type FP16