[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
我正在制作一個 iOS 應用程序,該應用程序使用在 Keras 中開發並轉換為 CoreML Z20F35E630DAF49DCFAZ3685C3F94DBCFA4C 的深度學習 Model。 我正在使用從 Apple 網站下載的 Resnet50 CoreML Model 並且該應用程序運行正常,但是當我實現 model 時,當我從照片庫中選擇圖像或使用應用程序中的相機拍照時出現錯誤。 這是與 CoreML Model 相關的代碼和我得到的錯誤: 這是用於將 Keras Model 轉換為 CoreML model 的代碼:
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')
我不知道如何解決這個錯誤,在此先感謝:這是我的 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()
我找到了解決問題的方法,所以我將其發布,以防將來有人遇到同樣的問題。 您需要更改以下內容:
model.add(Dense(1))
model.add(Activation('sigmoid'))
至
model.add(Dense(2))
model.add(Activation('softmax'))
並且還記得將損失從binary_crossentropy
更改為categorical_crossentropy
。
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.