[资料]

如何使用TensorFlow将神经网络模型部署到移动或嵌入式设备上

2023-8-2 06:43:57 367 神经网络嵌入式设备

0 有很多方法可以将经过训练的神经网络模型部署到移动或嵌入式设备上。不同的框架在各种平台上支持Arm，包括TensorFlow、PyTorch、Caffe2、MxNet和CNTK，如Android、iOS和Linux。每个框架和操作系统的部署过程是相似的，但每个框架和系统可能使用不同的工具。本演练专门介绍在Android、Linux和iOS上部署TensorFlow模型的准备工作。使用TensorFlow对经过训练的神经网络模型进行优化，步骤如下： 1.确定图中输入和输出节点的名称以及输入数据的维度。 2.使用TensorFlow的transform_graph工具生成优化的32位模型。 3.使用TensorFlow的transform_graph工具生成一个优化的8位模型，该模型效率更高，但精度较低。 4.在设备上对优化的模型进行基准测试，并选择最符合您部署需求的模型。本教程使用预训练的ResNet-50模型（resnetv1_50.pb）依次完成每个步骤。其他模型的过程相同，但输入和输出节点名称不同。在本教程的最后，您将准备好在您选择的平台上部署您的模型。 0 在你开始之前.pdf 576 Bytes , 下载次数: 4
举报淘帖0 只看该作者最近下载过的用户(4) 相关推荐 • 用TensorFlow将神经网络量化为8位 390 • Pytorch模型如何通过paddlelite部署到嵌入式设备？ 2223 • 如何实现开发嵌入式神经网络 1382 • 卷积神经网络一维卷积的处理过程 1459 • 基于深度神经网络的激光雷达物体识别系统 3450 • 轻量化神经网络的相关资料下载 1799 • 嵌入式中的人工神经网络的相关资料分享 1002 • 针对Arm嵌入式设备优化的神经网络推理引擎 1940 • 基于深度神经网络的激光雷达物体识别系统及其嵌入式平台部署 1626 • TensorFlow是什么 1685