1 環境構築
2 サンプルモデルの変換
- 2.1 inception_v4
- 2.2 mobilenetv2ssd
3 モデルを変換する
4 setting.conf仕様

環境構築

環境構築手順はこちらをご参照ください。

サンプルモデルの変換

inception_v4

サンプルモデルをダウンロードします。

$ cd /home/cvtool/conversion/tensorflow/inception_v4
$ wget https://storage.googleapis.com/download.tensorflow.org/models/tflite/model_zoo/upload_20180427/inception_v4_2018_04_27.tgz
$ tar -xvf inception_v4_2018_04_27.tgz
$ mv inception_v4.pb sample/model
$ rm inception_v4_2018_04_27.tgz

モデル変換を実行します。

$ ./tf_conversion.sh setting.conf

mobilenetv2ssd

サンプルモデルをダウンロードします。

$ cd /home/cvtool/conversion/tensorflow/mobilenetv2ssd
$ wget http://download.tensorflow.org/models/object_detection/ssd_mobilenet_v2_coco_2018_03_29.tar.gz
$ tar -xvzf ssd_mobilenet_v2_coco_2018_03_29.tar.gz
$ mv ssd_mobilenet_v2_coco_2018_03_29/frozen_inference_graph.pb sample/model
$ rm ssd_mobilenet_v2_coco_2018_03_29.tar.gz

モデル変換を実行します。

変換後のモデルは以下のディレクトリに出力されます。

ambaCV2Xカメラ用のモデル

${OUTPUT_DIR}/${NET_NAME}/${PARSER_OPTION}/[モデル名]

ambaCV5Xカメラ用のモデル

${OUTPUT_DIR}/${NET_NAME}_ambaCV5X/${PARSER_OPTION}/[モデル名]

SSDを使用するモデルの場合、以下のディレクトリにもう一つバイナリが出力されます。

SSDを使用するモデルは、2つのバイナリファイルをアプリケーションで使用します。

${OUTPUT_DIR}/${NET_NAME}/

モデルを変換する

tensorflow v2.xのモデルは事前にtfliteに変換が必要です。

/home/cvtool/conversion/tensorflowのどちらかのディレクトリをコピーしてください。

setting.conf を、変換するモデルに合わせて変更してください。
モデル変換を行います。

setting.conf仕様

v1.19 まで setting.conf にあった CAVALRY_VERを、v1.20 から削除しています。
v1.19 以前の setting.conf を v1.20以降の cvtool で使用する際は、setting.conf から CAVALRY_VER を削除してください。

NET_NAME：ネットワーク名
- 任意の名前を設定できます。
IS_SSD：SSDを使用するモデルの場合、1を指定
PB_DIR：(freeze処理済みの)pbファイルが格納されたディレクトリ
- ディレクトリ下の全てのモデルに対して、変換処理を実行します。
IMAGE_DIR：量子化の最適化処理で使用する、画像ファイルが格納されたディレクトリ
- 学習に使った画像を格納してください。100～200枚が推奨枚数です。
- 画像フォーマットはJPEGやPNGなど、OpenCVで対応しているものです。
- 任意サイズの画像を使用可能です。
OUTPUT_DIR：変換後のデータ出力先ディレクトリ
PARSER_OPTION：量子化モード
- FIX8/FIX16/MIX(FIX8/FIX16混合）から選択します。
IN_DATA_FORMAT：モデルの入力データフォーマット(NHWC or NCHW)
IN_DATA_CHANNEL：モデルの入力画像チャネル数
N_DATA_WIDTH：モデルの入力画像サイズ(幅)
IN_DATA_HEIGHT：モデルの入力画像サイズ(高さ)
IN_MEAN：入力画像の正規化パラメータ（平均値）
- 以下のように”,”の間に空白を入れないようにしてください。
  IN_MEAN=127.5,127.5,127.5
IN_SCALE：入力画像の正規化パラメータ（スケール）
- チャネルごとに異なる設定値にする場合は、”,”で値を区切ってください。”,”の間には空白を入れないようにしてください。
IS_BGR：入力画像のフォーマット（RGB or BGR）
IN_NODE：ネットワークの入力ノード名
- 以下の記号が入力ノード名に含まれている場合、正常に変換できない可能性があります。
  : |　;　,　‘
OUT_NODE：ネットワークの出力ノード名
- 複数指定する場合は”,”で区切ってください。
- 以下の記号が出力ノード名に含まれている場合、正常に変換できない可能性があります。
  : |　;　,　‘
PRIORBOX_NODE：”priorbox”に相当するノード
- IS_SSD=1の時に、設定が必要です。
PREPRO：前処理スクリプトパス(python)
- スクリプトの作り方は“/home/cvtool/common/prepro.py”を参照してください。
PREPRO_ARG：前処理スクリプトの引数
PARSER_IN_DATA_FORMAT：モデルの入力データフォーマット(tfparser実行時)(NHWC or NCHW)
IN_DATA_FILEFORMAT：入力データのフォーマット
- 例：uint8->0,0,0,0, float32->1,2,0,7, float16->1,1,0,4
- IN_DATA_FILEFORMAT を”0,0,0,0”から変更した場合はPREPROの設定が必要になります。
IN_DATA_TRANSPOSE：入力データに対してTRANSPOSE を行う場合指定する

Technology Partner

AIモデル変換ツール：Tensorflow編