[英]Prediction differences between keras and tensorflow lite model
根據來自移動加速度計的數據,我創建了 keras model 來識別人類活動:
model = Sequential()
model.add(Reshape((const.PERIOD, const.N_FEATURES), input_shape=(240,)))
model.add(Conv1D(100, 10, activation='relu', input_shape=(const.PERIOD, const.N_FEATURES)))
model.add(Conv1D(100, 10, activation='relu'))
model.add(MaxPooling1D(const.N_FEATURES))
model.add(Conv1D(160, 10, activation='relu'))
model.add(Conv1D(160, 10, activation='relu'))
model.add(Flatten())
model.add(Dropout(0.5))
model.add(Dense(7, activation='softmax'))
model.summary()
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
我已經測試過 model,十個 epoch 后的准確率大約是 85-90%。 我不知道,但是當我將 model 轉換為 TF Lite 並在我的 android 應用程序中運行解釋器時,會有可怕的預測。 結果不好的原因是什么? keras -> tensorflow -> tensorflow lite line 不兼容? 我應該以另一種方式運行它,使用類似 servlet + keras model 之類的東西嗎?
幾點建議:
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.