Android上的Tensorflow，输入和输出名称
Android上的TensorFlow是一个开源的机器学习框架，用于在移动设备上进行深度学习和人工智能任务的开发和部署。它提供了丰富的工具和库，使开发者能够构建和训练各种类型的神经网络模型，并将其集成到Android应用程序中。
输入和输出名称是在使用TensorFlow进行模型训练和推理时定义的。在TensorFlow中，输入名称用于指定模型接受的输入数据的标识，输出名称用于指定模型生成的输出数据的标识。这些名称通常是字符串，用于在代码中引用输入和输出张量。
在Android上使用TensorFlow时，输入和输出名称的定义取决于具体的模型架构和任务。例如，对于图像分类任务，输入名称可以是"input"，输出名称可以是"output"。对于目标检测任务，输入名称可以是"image"，输出名称可以是"detection_boxes"和"detection_scores"等。
在使用TensorFlow进行Android开发时，可以使用TensorFlow Lite库来优化和部署模型。TensorFlow Lite是专门为移动和嵌入式设备设计的轻量级版本，具有更小的模型大小和更快的推理速度。
腾讯云提供了与TensorFlow相关的产品和服务，如腾讯云AI开放平台和腾讯云机器学习平台。这些平台提供了丰富的机器学习和深度学习工具，可以帮助开发者在Android上使用TensorFlow进行模型训练和推理。具体产品和服务的介绍和链接地址可以在腾讯云官方网站上找到。
相关·内容
我是Jetson x2董事会的新手。
我计划在TX2板上运行我的tensorflow-gpu模型，看看它们在那里的表现如何。这些模型是在GTX GPU机上训练和测试的。
在tx2板上，Jetpack full不包含tensorflow。因此，tensorflow需要构建/安装，我已经看过几个教程并尝试过。我的python文件train.py和test.py期望tensorflow-gpu。
现在我怀疑，如果在tx2板上安装tensorflow-gpu是正确的选择吗？
哦，在TX2上有Nvidia TX2，它将完成部分工作，但是怎么做呢？是这样吗？
tensorflow和tensorRT会合作取
浏览 2提问于2018-11-23得票数 1
回答已采纳
1回答
我想知道，在联合机器学习中，当我们训练本地模型并打算更新云模型时，我们使用什么协议来传输这些权重？另外，当我们使用tensorflow联合机器学习时，我们如何传递权重(使用哪个库和协议)？
致以亲切的问候，
浏览 5提问于2022-06-14得票数 0
我在Google codelabs 中看到了一个示例
它需要依赖于Android TensorFlow的支持。
dependencies {
implementation 'org.tensorflow:tensorflow-android:1.2.0-preview'
}
我知道TensorFlow Lite帮助开发人员在移动设备中使用该模型。
这两者有什么区别？
浏览 1提问于2018-11-20得票数 0
回答已采纳
我试图找出什么时候创建自己的Kubeflow MLOps平台是合理的：
如果你是Tensorflow专卖店，你还需要Kubeflow吗？为什么不只是TFX？编曲可以用气流来完成。为什么要使用Kubeflow，如果您使用的都是scikit-学习，因为它不支持GPU，分布式训练方式？如果您确信要使用Kubeflow，云提供商(Azure和GCP)将提供ML管道概念(谷歌在幕后使用Kubeflow )作为托管服务。当部署自己的Kubeflow环境是有意义的时候？即使您需要部署on，也可以选择使用云资源(云上的节点和数据)来训练模型，并且只将模型部署到on。因此，使用Azure或GCP AI平台作为托
浏览 4提问于2020-03-21得票数 10
回答已采纳
我正在尝试使用google cloud中的tensorflow库来训练一个机器学习模型。在创建存储桶之后，我可以在云中训练模型。当我尝试使用现有模型进行预测时，我面临着这个问题。代码和数据可以在以下Github目录中找到。
云上的tensorflow版本是1.8，我的系统上的tensorflow版本也是1.8
我尝试通过以下输入进行预测："gcloud ml-engine predict -model= make -version=v8 --json-instances=sample_ input _prescaled.json“
它出现错误，错误如下：“预测失败:模型执行期间出错:
浏览 0提问于2018-06-12得票数 1
3回答
我知道我的问题很基本，但我需要一些澄清。CNTK是我目前使用的深度学习框架，可以用来在windows机器上训练和评估模型。如果我想在Windows设备上运行用CNTK训练的模型，我应该使用WIN ML。我说的对吗? WIN ML也可以在windows机器上使用吗？
浏览 36提问于2019-01-01得票数 0
回答已采纳
各大公司相继提出自己的机器学习平台，那么腾讯“云+未来”峰会上一站式机器学习平台TI-ONE到底是什么？提供了怎样的功能？
浏览 1110提问于2018-06-04
1回答
实例化和关闭Kubeflow豆荚
、、、、
我正在学习Kubernetes和Kubeflow，有些事情我想做，我在互联网上找不到任何明确的答案，如果可能的话，或者我应该选择的路线。
在训练我的机器学习模型时，我想使用一台大型机器在云上训练我的模型，但在那之后，我只想在一个小规模的实例上服务这个模型。我希望大型机器只在训练阶段使用，并在此之后关闭。库贝弗尔能做到这一点吗？如果是的话，我会怎么做呢？
不好意思，我还在学习这个平台。
浏览 7提问于2021-02-02得票数 2
回答已采纳
我正在尝试从.pb文件生成量化的.tflite模型。对于#process，我需要模型的'input_arrays‘和'output_arrays’。
我尝试使用下面的方法来识别输入数组和输出数组。但它们都不起作用。
方法1：
import tensorflow as tf
frozen='/output/freeze/frozen_inference_graph.pb'
gf = tf.GraphDef()
gf.ParseFromString(open(frozen,'rb').read())
[n.name + '=>'
浏览 2提问于2019-08-12得票数 0
关于Android应用程序的例子资料如此之少。有人能回答吗?在安卓项目中，是否有可能使用经过操场训练的.mlmodel？
指的是ML工具包、TensorFlow Lite和AutoML。
用于Android级别16的。
但是：
(通常以.tflite或.lite结尾)
你能给我任何建设性的建议或知识，我应该完成的机器人项目与机器学习模式培训？
我相信，对于每一个对Android开发感兴趣的初学者来说，这些信息都是有用的。
浏览 2提问于2019-11-06得票数 1
回答已采纳
我最近在Google Cloud Vision上训练了一个对象检测模型。我导出了训练模型的metadat jason文件、标签文本文件和模型tflite文件，我打算在Android上运行它。然而，我不能使用Android演示应用程序运行这个模型，因为它每次都会崩溃。 使用的演示应用程序与本地训练和转换的tflite模型兼容，但与从Google Cloud导出的模型不兼容。 这里可能出了什么问题，该如何解决？ 谢谢 参考:演示应用程序：https://github.com/tensorflow/examples/tree/master/lite/examples/object_detectio
浏览 40提问于2020-01-24得票数 1
回答已采纳
1回答
我用yolov4训练了一个模特。推理是完美的，度量也是完美的。我将模型转换为tensorflow lite，以便能够在android上使用它。我想查看转换模型的准确性、精确性和召回值。我该怎么做？
浏览 8提问于2021-11-29得票数 1
回答已采纳
我训练了一个对象检测API模型(使用动物园的COCO / Inception v2的Mask RCNN )，具有相同的配置，TensorFlow和模型版本，以及相同数量的步骤的相同(自定义)数据集。
在本地机器(1080TI上的tensorflow-gpu)上，我使用了object_object/Train.py，而在云上，我使用了调用object_detection.train模块的google ml-engine作业。两者使用相同的学习率。
云运行使用了5个工作进程，而本地运行只有1个GPU。它们都被设置为批处理大小为1。
为什么本地训练的模型的准确性要低得多？本地训练的模型往往比云训练的
浏览 28提问于2018-08-23得票数 0
回答已采纳
我尝试使用谷歌机器学习引擎来训练我的tensorflow模型。我想使用免费层。
当我设置配置并创建新的计算引擎实例(谷歌计算引擎)时，我也尝试添加GPU。但这给了我一个错误，因为谷歌云只给了300美元的免费信用层，没有GPU。
有没有办法在自由层中使用GPU？
浏览 3提问于2018-01-11得票数 2
我想为一个约会移动应用程序中的推荐系统建立一个ML数据管道。 目前，我正处于一个非常早期的阶段，试图弄清楚基础设施，但我对tensorflow和tensorflow lite感到困惑。 我可以使用tensorflow构建系统，然后在训练、超参数调整等之后在后端部署模型吗？ 当你想在移动设备上使用ML时，是否强制使用tensorfow lite，或者只有当你真正想要在手机设备上训练模型时才使用它？
浏览 13提问于2021-03-16得票数 0
回答已采纳
我致力于面部表情识别使用深度学习算法，即CNN，以识别用户的情绪，如高兴，悲伤，愤怒等。我已经训练和测试它在python中使用预先训练的VGG-16模型改变顶部3层来训练我的测试图像，以加快我使用Tensorflow的训练过程。测试准确率为62%。我已经将我的模型的架构和权重保存在train_model.h5文件中。 现在我必须在Android手机上实现它。为此，我使用了Tensorflow-Lite，因为它适用于android手机。因此，我使用Tensorflow lite转换器方法将我的.h5文件转换为.tflite文件。 这是我在转换时所做的： from tensorflow.cont
浏览 33提问于2019-05-15得票数 3
我想让TF检测，Tensorflow Android演示应用程序之一，只识别相机框中的一组受限制的定制对象(例如苹果、梨、橘子和香蕉)，在识别的物体周围画框。
在TensorFlow为诗人编写的代码之后，我已经成功地重新培训了mobilenet_v1_0.50_224模型，并且成功地替换了TF分类器中使用的原始tensorflow_inception_graph.pb模型，这是另一个TensorFlow演示应用程序。好像很管用。
Update：实际上，在第一次成功运行之后，由于以下例外，我无法运行任何其他经过再培训的模型：*没有一个有效的TensorFlow图形序列化: NodeDef在Op输
浏览 1提问于2017-12-09得票数 0
遇到的问题：
E/AndroidRuntime:致命异常:主进程: org.tensorflow.lite.examples.detection，PID: 14719 java.lang.AssertionError:当初始化ObjectDetector:移动SSD模型时发生错误，预计只有4个输出
问题描述
资料来源: TensorFlow Lite对象检测示例
启动示例应用程序时显示的错误
模型描述
使用自定义模型？，YES，
预训练模型:ssd_mobilenet_v2_fpnlite_640x640_co17_tpu-8
推理类型:浮点
浏览 8提问于2021-03-05得票数 2
回答已采纳
我已经开发了Django API，它接受来自livefeed摄像机的图像，使用base64格式作为请求。然后，在API中，将该图像转换为numpy数组，传递给机器学习模型，即使用tensorflow对象API进行对象检测。响应是检测对象的简单文本。
我需要基于GPU的云实例，在那里我可以部署这个应用程序进行快速处理，以实现实时结果。我找了很多东西，但没有找到这样的资源。我相信(实例)可以连接到live，但我不知道具体如何连接。
谢谢
浏览 1提问于2019-12-15得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
