首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >问答首页 >iOS应用程序抛出带有自定义Tensorflow tflite模型的错误线程4: EXC_BAD_ACCESS (code=1,address=0x0)

iOS应用程序抛出带有自定义Tensorflow tflite模型的错误线程4: EXC_BAD_ACCESS (code=1,address=0x0)
EN

Stack Overflow用户
提问于 2020-01-17 05:30:09
回答 1查看 334关注 0票数 1

我创建了自定义的tflite模型。接下来从这里下载了这个示例:https://github.com/tensorflow/examples/tree/master/lite/examples/object_detection/ios

用我的文件代替了tflite文件。这个应用程序会像下面这样抛出错误,但是仍然在运行,没有检测到。我怎么检查出什么问题了?“没有分配张量”是什么意思?虽然我使用了示例中的原始文件,但一切都正常。

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2020-09-09 00:16:35

输入/输出数组必须与示例中相同。使用一些工具探索默认的tflite模型。这是我调查的结果。在将.pb转换为.tflite时,请尝试该数组:

-输入阵列=归一化输入图像张量

--output_arrays='TFLite_Detection_PostProcess','TFLite_Detection_PostProcess:1','TFLite_Detection_PostProcess:2','TFLite_Detection_PostProcess:3‘

票数 0
EN
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/59788390

复制
相关文章
iOS_Crash 异常类型
断点异常类型表示跟踪陷阱(trace trap)中断了该进程。跟踪陷阱使附加的调试器有机会在进程执行的特定点中断进程。 在 ARM 处理器上显示为 EXC_BREAKPOINT(SIGTRAP) 在 x86_64 处理器上显示为 EXC_BAD_INSTRUCTION(SIGILL)
mikimo
2023/10/18
2K0
使用Tensorflow进行实时移动视频对象检测
随着对计算机视觉的用例日益增长的兴趣,例如无人驾驶汽车,面部识别,智能交通系统等,人们希望建立定制的机器学习模型以检测和识别特定对象。
代码医生工作室
2019/10/10
2.2K0
使用Tensorflow进行实时移动视频对象检测
【技术创作101训练营】TensorFlow Lite的 GPU 委托(Delegate)加速模型推理
不过从我对文档的理解来看,感觉更像是添加的一种硬件后端(代理我想应该只是调用调用层面,不是底层实现,另外在Hexagon DSP的委托代理部分,文档坦言说Hexagon DSP的代理就是为了补充NNAPI,特别是针对那些NNAPI不可用DSP加速的、老旧驱动的设备,毕竟这些老旧设备也没有NNAPI这个东西,但有DSP硬件),交给模型的子图来去执行。比方原始模型的CPU执行Graph如上图。交给GPU的委托代理后,原Graph变为下面这样:
开心的派大星
2020/09/23
5.4K1
Android Studio 4.1 发布啦
Android Studio 4.1 主要是包含了各种新功能和改进,其中 Android Gradle 插件也升级为 4.1.0,要了解更多信息请查看完整的 Android Gradle 插件发行说明:https://developer.android.com/studio/releases/gradle-plugin#4-1-0
GSYTech
2020/10/26
6.6K0
Android Studio 4.1 发布啦
【云+社区年度征文】TinyML实践-2:How TinyML Works?
对于Tensorflow最大需求是能够在桌面系统中训练并运行模型,这种需求影响了很多设计决策,例如为了更低的延迟和更多的功能而增加可执行文件的大小。云端服务器上,RAM以GB为衡量单位,存储空间以TB为单位,几百兆字节的二进制文件通常不是问题。
flavorfan
2020/12/07
1.8K0
【云+社区年度征文】TinyML实践-2:How TinyML Works?
TensorFlow 智能移动项目:11~12
在前九章中,我们使用 TensorFlow Mobile 在移动设备上运行各种由 TensorFlow 和 Keras 构建的强大的深度学习模型。 正如我们在第 1 章,“移动 TensorFlow 入门”中提到的那样,Google 还提供了 TensorFlow Lite(可替代 TensorFlow Mobile 的版本)在移动设备上运行模型。 尽管自 Google I/O 2018 起它仍在开发人员预览中,但 Google 打算“大大简化开发人员针对小型设备的模型定位的体验。” 因此,值得详细研究 TensorFlow Lite 并为未来做好准备。
ApacheCN_飞龙
2023/04/24
4.3K0
TensorFlow 智能移动项目:11~12
推出 TF Lite Task Library 接口,简化 ML移动端开发流程
作者 | Lu Wang、Chen Cen、Arun Venkatesan 和 Khanh LeViet
磐创AI
2020/09/28
1.3K0
推出 TF Lite Task Library 接口,简化 ML移动端开发流程
tf.lite
它允许您使用一组TensorFlow操作并注释构造,以便toco知道如何将其转换为tflite。这在张量流图中嵌入了一个伪函数。这允许在较低级别的TensorFlow实现中嵌入高级API使用信息,以便以后可以替换其他实现。本质上,这个伪op中的任何“输入”都被输入到一个标识中,并且属性被添加到该输入中,然后由构成伪op的组成ops使用。
狼啸风云
2019/09/06
5.3K0
TensorFlow:使用Cloud TPU在30分钟内训练出实时移动对象检测器
是否能够更快地训练和提供对象检测模型?我们已经听到了这种的反馈,在今天我们很高兴地宣布支持训练Cloud TPU上的对象检测模型,模型量化以及并添加了包括RetinaNet和MobileNet改编的RetinaNet在内的新模型。本文将引导你使用迁移学习在Cloud TPU上训练量化的宠物品种检测器。
AiTechYun
2018/07/27
4K0
TensorFlow:使用Cloud TPU在30分钟内训练出实时移动对象检测器
Android Tensorflow 示例代码 Pose Estimation项目编译
原先识别人体骨骼,使用的Google的 MLKit 框架 。方便简单,直接通过Gradle添加相关依赖库。就可以使用了。
zinyan.com
2022/12/07
1.2K0
Android Tensorflow 示例代码 Pose Estimation项目编译
实时单人姿态估计,在自己手机上就能实现 : ) 安卓和iOS都可以哦~
GitHub 地址:https://github.com/edvardHua/PoseEstimationForMobile
机器之心
2019/04/30
2K0
实时单人姿态估计,在自己手机上就能实现 : ) 安卓和iOS都可以哦~
精通 TensorFlow 1.x:16~19
TensorFlow 模型还可用于在移动和嵌入式平台上运行的应用。 TensorFlow Lite 和 TensorFlow Mobile 是资源受限移动设备的两种 TensorFlow。与 TensorFlow Mobile 相比,TensorFlow Lite 支持功能的子集。由于较小的二进制大小和较少的依赖项,TensorFlow Lite 可以获得更好的表现。
ApacheCN_飞龙
2023/04/23
4.9K0
TensorFlow 2.0 的新增功能:第三、四部分
如果您使用过 TensorFlow 1.x,则本部分将重点介绍迁移到 TensorFlow 2.0 所需的总体概念更改。 它还将教您使用 TensorFlow 可以进行的各种 AIY 项目。 最后,本节向您展示如何将 TensorFlow Lite 与跨多个平台的低功耗设备一起使用。
ApacheCN_飞龙
2023/04/26
2.4K0
2022 年了,PyTorch 和 TensorFlow 你选哪个?
坊间传闻:「TensorFlow 适合业界,PyTorch 适合学界」。都 2022 年了,还是这样吗?
一点人工一点智能
2022/12/27
1.2K0
2022 年了,PyTorch 和 TensorFlow 你选哪个?
深度神经网络移动终端GPU加速实践
我们尝试去工程化深度神经网络并最终落地,当中的一些实践经验通过本文记录下来。
腾讯Bugly
2018/07/19
1.9K0
Android上的TensorFlow Lite,了解一下?
TensorFlow Lite是TensorFlow针对移动和嵌入式设备的轻量级解决方案。它可以在移动设备上高效运行机器学习模型,因此您可以利用这些模型进行分类、回归或其他功能,而无需和服务器交互。
云水木石
2019/07/02
1.8K0
Android上的TensorFlow Lite,了解一下?
TensorFlow (1) - 线性模型
原作者:Magnus Erik Hvass Pedersen / GitHub / Videos on YouTube
Gaussic
2020/07/03
9140
如何将自己开发的模型转换为TensorFlow Lite可用模型
对于开发者来说,在移动设备上运行预先训练好的模型的能力意味着向边界计算(edge computing)迈进了一大步。[译注:所谓的边界计算,从字面意思理解,就是与现实世界的边界。数据中心是网络的中心,PC、手机、监控照相机处在边界。]数据能够直接在用户手机上处理,私人数据仍然掌握在他们手中。没有蜂窝网络的延迟,应用程序可以运行得更顺畅,并且可大幅减少公司的云服务账单。快速响应式应用现在可以运行复杂的机器学习模型,这种技术转变将赋予产品工程师跳出条条框框思考的力量,迎来应用程序开发的新潮流。
云水木石
2019/07/01
3.1K0
如何将自己开发的模型转换为TensorFlow Lite可用模型
点击加载更多

相似问题

错误:线程1: EXC_BAD_ACCESS (code=1,address=0x0)

10

线程1: EXC_BAD_ACCESS (code=1,address=0x0)错误

11

代码错误:线程1: EXC_BAD_ACCESS (code=1,address=0x0)

13

线程1 exc_bad_access (code=1 address=0x0)

20

线程1: EXC_BAD_ACCESS (code=1,address=0x0) Swift

225
添加站长 进交流群

领取专属 10元无门槛券

AI混元助手 在线答疑

扫码加入开发者社群
关注 腾讯云开发者公众号

洞察 腾讯核心技术

剖析业界实践案例

扫码关注腾讯云开发者公众号
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
查看详情【社区公告】 技术创作特训营有奖征文