質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.35%
機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Q&A

0回答

722閲覧

deeplabで量子化すると精度が激しく落ちる

thinkdice

総合スコア5

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

0グッド

0クリップ

投稿2020/06/04 09:19

編集2020/06/04 09:27

こちらで書かれているやり方を試しています。
https://github.com/tensorflow/models/blob/master/research/deeplab/g3doc/quantize.md#quantization-aware-training

300Kくらい学習させ、ある程度精度のある学習データに以下の訓練を追加しました。エラーなく終了して検出も一応できるようになったのですが、生成されたtfliteで検出してみると量子化前の半分以下の検出精度になってしまいます。

追加学習
!python train.py \ --logtostderr \ --training_number_of_steps=$RETRAIN_STEPS \ --train_split="train" \ --model_variant="mobilenet_v2" \ --output_stride=16 \ --train_crop_size="513,513" \ --train_batch_size=2 \ --dataset_dir=$TFRECORD_PATH \ --dataset="pascal_voc_seg" \ --base_learning_rate=3e-5 \ --initialize_last_layer \ --quantize_delay_step=0 \ --tf_initial_checkpoint=$CKPT_PATH \ --train_logdir=$QUANT_TRAIN_DIR_PATH \ --label_weights=1 \ --label_weights=2 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0 \ --label_weights=0

label_weightsフラグは事前の訓練時に入れていたので引き続き入れていますが、あまり精度には影響ないようです。

step数は2Kから20Kぐらいまで段階的に試しましたが、どれも追加訓練前のような精度は出ませんでした。ちなみに、10Kを超えたあたりから検出自体ほぼされなくなります。

Loss率は最終的には 0.16~0.17 あたりまで落ちます。

上記レポジトリに書いてるとおりにやってるつもりなのですが、この段階で何か読み違えているのでしょうか?

以下tfliteに変換までのやり方です。

pbへの変換
!python export_model.py \ --checkpoint_path=$QUANT_TRAIN_FILE \ --quantize_delay_step=0 \ --export_path=$PB_EXPORT_PATH

tfliteへの変換
!tflite_convert \ --graph_def_file=$PB_EXPORT_PATH \ --output_file=$TFLITE_EXPORT_PATH \ --output_format=TFLITE \ --input_shape=1,513,513,3 \ --input_arrays="MobilenetV2/MobilenetV2/input" \ --inference_type=QUANTIZED_UINT8 \ --inference_input_type=QUANTIZED_UINT8 \ --std_dev_values=128 \ --mean_values=128 \ --change_concat_input_ranges=true \ --output_arrays="ArgMax"

よろしくお願いします!

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだ回答がついていません

会員登録して回答してみよう

アカウントをお持ちの方は

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.35%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問