Fatal编程技术网
  • numpy/
  • Numpy Mobilenet SSD输入形状

Numpy Mobilenet SSD输入形状

numpy deep-learning

Numpy Mobilenet SSD输入形状,numpy,deep-learning,object-detection,mobilenet,tensorflow-lite,Numpy,Deep Learning,Object Detection,Mobilenet,Tensorflow Lite,我在自定义数据集上为单个对象检测任务训练了一个mobile SSD V2模型，并将其转换为tflite。当我使用解释器加载.tflite模型进行测试，并使用以下命令获取输入详细信息：input\u details=model.get\u input\u details（），它将输出 [{'name': 'normalized_input_image_tensor', 'index': 272, 'shape': array([ 1, 300, 300, 3], dtype=int32),

我在自定义数据集上为单个对象检测任务训练了一个mobile SSD V2模型，并将其转换为tflite。当我使用解释器加载.tflite模型进行测试，并使用以下命令获取输入详细信息：
input\u details=model.get\u input\u details（）
，它将输出

[{'name': 'normalized_input_image_tensor',
'index': 272,
'shape': array([  1, 300, 300,   3], dtype=int32),
'dtype': numpy.uint8,
'quantization': (0.0078125, 128)}]
我知道“300x300”是图像的高度和宽度，“3”是RGB通道，但第一个元素（“1”）指的是什么？

形状：[批次大小、高度、宽度、通道]

如果要更改该大小，则需要在转换为pb文件之前进行设置，例如使用