![](/img/trans.png)
[英]`TypeError: unsupported operand type(s) for *: 'Operation' and 'int'`. Keras tensorflow
[英]CUSTOM : Operation is working on an unsupported data type EDGETPU
我正在嘗試為珊瑚 USB 重新訓練自定義 object 檢測器 model 並按照這些鏈接中的珊瑚 ai 教程進行操作; https://coral.ai/docs/edgetpu/retrain-detection/#requirements
重新訓練 ssd_mobilenet_v2 model 后,使用 edge tpu 編譯器轉換邊緣 tpu 模型。 編譯結果是這些;
操作員 | 數數 | 地位 |
---|---|---|
風俗 | 1 | 操作正在處理不受支持的數據類型 |
添加 | 10 | 映射到邊緣 TPU |
物流 | 1 | 映射到邊緣 TPU |
級聯 | 2 | 映射到邊緣 TPU |
重塑 | 13 | 映射到邊緣 TPU |
CONV_2D | 55 | 映射到邊緣 TPU |
DEPTHWISE_CONV_2D | 17 | 映射到邊緣 TPU |
並從 netron 可視化;
“自定義”運算符未映射。 所有操作都在 tpu 上映射和工作,但“自定義”在 cpu 上工作。 我在 ssd_mobilenet_v1 中看到了相同的運營商
我如何將所有運算符轉換為 edgetpu 模型? 什么是自定義運算符? (您可以從這里找到支持的運算符https://coral.ai/docs/edgetpu/models-intro/#supported-operations )
這是 SSD model 的正確 output。 TFLite_Detection_PostProcess 是不在 EdgeTPU 上運行的自定義操作。 如果您在https://coral.ai/models/上我們的默認 SSD 型號之一上運行 netron,您將看到在這種情況下 PostProcess 在 CPU 上運行。
對於您的 model,model 的每個部分都已成功轉換。 最后一個階段(采用 model output 並將其轉換為各種可用輸出)是 TFLite 中的自定義實現,它已經針對速度進行了優化,但是是通用計算,而不是 EdgeTPU 加速的 TFLite 操作。
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.