Python 在边缘TPU上运行MNIST示例时发生ValueError

我尝试使用MNIST数据集在Coral DevBoard上使用我的第一个神经网络。我已通过以下步骤完成此操作：

• 我使用来自的指南生成量化模型
• 然后，我使用

  edgetpu_编译器

  （版本

  15.0.340273435

  ）为我的edge tpu生成模型：

• 我在开发板上复制模型并生成

  Labels.txt

  ：

• 我从中复制了示例脚本

• 从MNIST数据集中下载图像

• 使用以下命令运行脚本：

我发现了错误

Traceback (most recent call last):
  File "Classify.py", line 43, in <module>
    main()
  File "Classify.py", line 25, in main
    size = common.input_size(interpreter)
  File "/usr/lib/python3/dist-packages/pycoral/adapters/common.py", line 52, in input_size
    _, height, width, _ = input_details(interpreter, 'shape')
ValueError: not enough values to unpack (expected 4, got 3)

回溯（最近一次呼叫最后一次）：
文件“Classify.py”，第43行，在
main（）
文件“Classify.py”，第25行，在main中
大小=通用。输入大小（解释器）
文件“/usr/lib/python3/dist packages/pycoral/adapters/common.py”，第52行，输入大小
_，高度，宽度，u=输入_详细信息（解释器，“形状”）
ValueError:没有足够的值来解包（预期值为4，实际值为3）

---

这个错误是什么意思？我如何修复它？

看起来Coral希望您的模型输入有4个维度

[批次、高度、宽度、通道]

，而您的模型输入只有3个维度。因此我认为我必须修改模型的训练？解释器需要返回4个值，但您的模型只返回3个值。

0 0
...
9 9

import time
import argparse

from PIL import Image
from pycoral.adapters import classify
from pycoral.adapters import common
from pycoral.utils.dataset import read_label_file
from pycoral.utils.edgetpu import make_interpreter

def main():
    parser = argparse.ArgumentParser(formatter_class=argparse.ArgumentDefaultsHelpFormatter)
    parser.add_argument("-m", "--model", required = True, help = "File path of .tflite file.")
    parser.add_argument("-i", "--input", required = True, help = "Image to be classified.")
    parser.add_argument("-l", "--labels", help = "File path of labels file.")
    parser.add_argument("-k", "--top_k", type = int, default = 1, help = "Max number of classification results")
    parser.add_argument("-t", "--threshold", type = float, default = 0.0, help = "Classification score threshold")
    parser.add_argument("-c", "--count", type = int, default = 5, help = "Number of times to run inference")
    args = parser.parse_args()

    labels = read_label_file(args.labels) if args.labels else {}

    interpreter = make_interpreter(*args.model.split("@"))
    interpreter.allocate_tensors()

    size = common.input_size(interpreter)
    image = Image.open(args.input).convert("RGB").resize(size, Image.ANTIALIAS)
    common.set_input(interpreter, image)

    print("----INFERENCE TIME----")
    print("Note: The first inference on Edge TPU is slow because it includes", "loading the model into Edge TPU memory.")
    for _ in range(args.count):
        start = time.perf_counter()
        interpreter.invoke()
        inference_time = time.perf_counter() - start
        classes = classify.get_classes(interpreter, args.top_k, args.threshold)
        print("%.1fms" % (inference_time * 1000))

    print("-------RESULTS--------")
    for c in classes:
        print("%s: %.5f" % (labels.get(c.id, c.id), c.score))

if(__name__ == "__main__"):
    main()

python3 Classify.py --model mnist_model_quant_edgetpu.tflite --labels Labels.txt --input img_1.jpg

Traceback (most recent call last):
  File "Classify.py", line 43, in <module>
    main()
  File "Classify.py", line 25, in main
    size = common.input_size(interpreter)
  File "/usr/lib/python3/dist-packages/pycoral/adapters/common.py", line 52, in input_size
    _, height, width, _ = input_details(interpreter, 'shape')
ValueError: not enough values to unpack (expected 4, got 3)