OpenVINO 基于 Tensorflow 的模型训练及优化部署

2021 年 11 月 10 日
本文字数：913 字
阅读完需：约 3 分钟

昨天我们创建好了开发环境

今天和我一起试试基于 Tensorflow 的模型训练及优化部署。

GitHub 地址:https://github.com/Openvino-dev-contest/openvino_notebooks/tree/main/notebooks/301-tensorflow-training-openvino

1. 写代码前的准备

这个操作指南是基于最基础的机器学习的训练流程:

检查和理解数据
构建输入管道
建立模型
训练模型
测试模型

我们先启动之前搭建好环境的 Ubuntu

但是在 WSL 上写代码还是有点不习惯，因此我们采用 VSCode 的远程代码功能来进行项目的编写。

安装插件(Remote - WSL)

然后在右侧的菜单栏会看到一个远程的图标

启动它，然后点击图中标记的图标

等待服务器上安装必要的插件

通常它会单独的新开一个窗口。

点击“打开文件夹”会发现它显示的就是我们在 Ubuntu 上的目录

选择我们之前创建的代码目录（我的是：OV）

好了，这样我们就可以在 Windows 中使用 VSCode 来进行代码的编辑了。

2. 开始代码的编写

source env/bin/activatemkdir srccd srcmkdir 301cd 301

复制代码

导入必要的库

import matplotlib.pyplot as pltimport numpy as npimport osimport PILfrom PIL import Imagefrom pathlib import Pathimport sysimport urllib
import mo_tffrom openvino.inference_engine import IECore
import tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import layersfrom tensorflow.keras.models import Sequential

复制代码

有可能会发现少一些库，比如下图报红的部分，我们可以先安装一下

pip install matplotlib -i https://pypi.mirrors.ustc.edu.cn/simple/pip install openvino -i https://pypi.mirrors.ustc.edu.cn/simple/

复制代码

由于我们后面会涉及到绘图等内容，因此需要在 VSCode 中再安装一个 ipykernel

快捷方式，选中一段代码然后右键选择“Run Current.....”

在右侧的 notebook 里面下载数据集

import tensorflow as tfimport pathlibdataset_url = "https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz"data_dir = tf.keras.utils.get_file('flower_photos', origin=dataset_url, untar=True)data_dir = pathlib.Path(data_dir)

复制代码