用官方工具评估TF Lite模型的Imagenet精度
用官方工具评估TF Lite模型的Imagenet精度
提问于 2021-05-25 15:36:55
我在官方量化的MobileNet V2上使用了tensorflow/tensorflow/lite/tools/evaluation/tasks/imagenet_image_classification/的官方Imagenet准确性评估工具。然而，报告的准确性远远低于预期。MB V2可从https://tfhub.dev/tensorflow/lite-model/mobilenet_v2_1.0_224_quantized/1/default/1下载。下面的运行设置尽可能遵循instructions。请帮助解释精度差距。
命令：
bazel run -c opt \
-- \
//tensorflow/lite/tools/evaluation/tasks/imagenet_image_classification:run_eval \
--model_file=/home/ubuntu/workspace/tensorflow/mobilenet_v2_1.0_224_quantized_1_default_1.tflite \
--ground_truth_images_path=${IMAGENET_IMAGES_DIR} \
--ground_truth_labels=${VALIDATION_LABELS} \
--model_output_labels=${MODEL_LABELS_TXT_LONG} \
--output_file_path=/tmp/accuracy_output.txt \
--num_interpreter_threads=4 \
--num_images=0输出：
Num evaluation runs: 50000
Preprocessing latency: avg=7697.15(us), std_dev=0(us)
Inference latency: avg=77301.9(us), std_dev=6485(us)
Top-1 Accuracy: 0.35942
Top-2 Accuracy: 0.41372
Top-3 Accuracy: 0.43532
Top-4 Accuracy: 0.4475
Top-5 Accuracy: 0.4553
Top-6 Accuracy: 0.46088
Top-7 Accuracy: 0.46498
Top-8 Accuracy: 0.46842
Top-9 Accuracy: 0.47142
Top-10 Accuracy: 0.4736回答 1
Stack Overflow用户
发布于 2021-05-31 10:16:42
您是否尝试过使用说明文档中指定的v1模型？如果工作正常，我会怀疑在插入以进行推理之前数据预处理的差异，否则该指令应该被报告为bug。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/67683607
复制相关文章
相似问题
腾讯云开发者
