![](/img/trans.png)
[英]ios / CoreML - The input type is MultiArray when keras model is converted to CoreML
[英]Fatal Error when implementing a Keras Model converted to a CoreML model in an iOS app
我正在制作一个 iOS 应用程序,该应用程序使用在 Keras 中开发并转换为 CoreML Z20F35E630DAF49DCFAZ3685C3F94DBCFA4C 的深度学习 Model。 我正在使用从 Apple 网站下载的 Resnet50 CoreML Model 并且该应用程序运行正常,但是当我实现 model 时,当我从照片库中选择图像或使用应用程序中的相机拍照时出现错误。 这是与 CoreML Model 相关的代码和我得到的错误: 这是用于将 Keras Model 转换为 CoreML model 的代码:
output_labels = ['0', '1']
coreml_model = coremltools.converters.keras.convert('Costume.h5', input_names=['image'],
class_labels=output_labels, image_input_names='image',
output_names=['output'])
print(coreml_model) # Check that input type is imageType
# Metadata for XCode
coreml_model.author = 'Author'
coreml_model.short_description = 'Some Description'
coreml_model.input_description['image'] = 'Takes as input an image'
coreml_model.output_description['output'] = 'Prediction of image'
coreml_model.save('Costume.mlmodel')
我不知道如何解决这个错误,在此先感谢:这是我的 Keras 模型:
model = Sequential()
# Hidden Layer 1
model.add(Conv2D(128, 3, 3, border_mode='same', input_shape=input_shape, activation='relu'))
model.add(Conv2D(64, 3, 3, border_mode='same', activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
# Hidden Layer 2
model.add(Conv2D(128, 3, 3, border_mode='same', activation='relu'))
model.add(Conv2D(256, 3, 3, border_mode='same', activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
# Hidden Layer 3
model.add(Conv2D(64, 3, 3, border_mode='same', activation='relu'))
model.add(Conv2D(256, 3, 3, border_mode='same', activation='relu'))
model.add(Conv2D(64, 3, 3, border_mode='same', activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
# Hidden Layer 4
model.add(Conv2D(32, 3, 3, border_mode='same', activation='relu'))
model.add(Conv2D(256, 3, 3, border_mode='same', activation='relu'))
model.add(Conv2D(256, 3, 3, border_mode='same', activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(512, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation('sigmoid'))
model.compile(loss='binary_crossentropy',
optimizer=RMSprop(lr=0.0001),
metrics=['accuracy'])
model.summary()
我找到了解决问题的方法,所以我将其发布,以防将来有人遇到同样的问题。 您需要更改以下内容:
model.add(Dense(1))
model.add(Activation('sigmoid'))
至
model.add(Dense(2))
model.add(Activation('softmax'))
并且还记得将损失从binary_crossentropy
更改为categorical_crossentropy
。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.