Python 如何基于keras.applications（用于转移学习）为Google aiy vision工具包编译模型

我已经尝试了2年（不是连续的，转移到其他东西，然后返回）来编译和运行vision kit中基于keras.applications的模型，我尝试了很多方法（甚至忘记了一些），在论坛、官方项目回购、堆栈溢出等中问了问题，但都没有成功， 例如：

• ,
• ,

在问了许多不同的问题后，我认为直接发布我的用例并直接询问可能更有希望：

我需要编译并运行一个基于keras.applications的模型，以便在aiy vision工具包中运行它，我知道设备是有限的，所以我尝试使用一个模型，文档中说它在vision kit中得到了支持：MobilenetV2，我正在通过冻结一些层并从keras.applications.MobilenetV2中删除其他层来进行转移学习，然后添加自定义可培训层，用于测试，我也在尝试VGG16，过去有很多问题，但最近的问题是：

即使只使用预先训练好的模型的第一层并丢弃其余层（导出的.pb文件很小，大约2.5 mb），我得到（对于vgg16，这在编译时发生在我的计算机中，而不是在raspberry设备中）：设备内存不足，无法运行模型

对于MobileNetv2，即使文档中说它受支持，我也会得到： 检查失败：其他操作->类型==运算符类型：：kTensorFlowMerge

对我的案子有什么建议吗？或者根本不可能在vision kit中运行基于keras.applications的模型？如果不可能，是否可以将tf for poets mobilenet.pb文件与keras输出层结合起来并编译该层

我真的很感谢你的帮助，或者至少是一个明确的回答：“不，这是不可能的”，所以我不会一直追求不可能的事情