iT邦幫忙

2021 iThome 鐵人賽

DAY 28
1
AI & Data

AI Facial Expression Recognition: Data, Model, Application系列 第 28

[Day 28] Android Studio 七日隕石開發:把 tflite 模型放進 app

  • 分享至 

  • xImage
  •  

0. 前言

距離真正完成表情辨識的App,
只差把辨識圖像的功能實作出來,
在這裡我們必須將Day21存好的TFLite模型拿出來,
製作出含有metadata的TFLite模型。


1. 將tflite模型加入metadata

準備材料

  1. model.tflite
    之前我們訓練好久的model,有用.h5和.tflite的格式儲存,
    現在我們只需要準備好.tflite的檔案
  2. labels.txt
    這裡要記錄我們的類別名稱,用"換行"分隔。
    https://ithelp.ithome.com.tw/upload/images/20211003/20141294q8T6dpuxnV.jpg

程式碼

我把"effB0_fer.tflite"加入metadata後,
另存為"effB0_fer_meta.tflite"。

# %% 生成 model metadata
from tflite_support.metadata_writers import writer_utils
from tflite_support.metadata_writers import image_classifier

ImageClassifierWriter = image_classifier.MetadataWriter
_MODEL_PATH = "./models/effB0_fer.tflite"
_LABEL_FILE = "./data/FER2013_labels.txt"
_SAVE_TO_PATH = "./models/effB0_fer_meta.tflite"

_INPUT_NORM_MEAN = 0
_INPUT_NORM_STD = 1

# Create the metadata writer.
writer = ImageClassifierWriter.create_for_inference(
    writer_utils.load_file(_MODEL_PATH), [_INPUT_NORM_MEAN], [_INPUT_NORM_STD],
    [_LABEL_FILE])
# Verify the metadata generated by metadata writer.
print(writer.get_metadata_json())
# Populate the metadata into the model.
writer_utils.save_file(writer.populate(), _SAVE_TO_PATH)

解說

這邊唯一有需要自己決定的只有_INPUT_NORM_MEAN_INPUT_NORM_STD
這兩個變數的數值決定於我們輸入圖片矩陣的時候有無做正規化,
因為我是將[0. ~ 255.]直接丟入模型,所以設mean = 0, std = 1。

官網原文:

Normalization is a common data preprocessing technique in machine learning. The goal of normalization is to change the values to a common scale, without distorting differences in the ranges of values.


2. 將metadata tflite model導入Android Studio

  1. app上按滑鼠右鍵,最後點擊tensorflow lite model
    https://ithelp.ithome.com.tw/upload/images/20211003/20141294WlWMuIooir.png

  2. 選擇已訓練model的位置進行import,按下finish進行import。(不建議勾gpu選項)
    https://ithelp.ithome.com.tw/upload/images/20211003/201412941HAtPXWPW1.jpg

  3. 等待1分鐘後,可以看到菜單左欄位多出ml資料夾。

  4. ml資料夾下有我們的tflite model,可以點開他查看(這邊記錄了input shape和scale range)
    https://ithelp.ithome.com.tw/upload/images/20211003/20141294WmVpwqXV3u.jpg

  5. 呼叫模型的程式碼

val model = Effb0FerMeta.newInstance(context)

// Creates inputs for reference.
val image = TensorImage.fromBitmap(bitmap)

// Runs model inference and gets result.
val outputs = model.process(image)
val probability = outputs.probabilityAsCategoryList

// Releases model resources if no longer used.
model.close()

3. 結語

終於把模型放進去了,
現在只差把 2.5 (呼叫模型的程式碼)的程式碼實作成function加入MainActivity.kt了!
明天再見~


上一篇
[Day 27] Android Studio 七日隕石開發:又到了開啟相簿的季節
下一篇
[Day 29] Android Studio 七日隕石開發:影像辨識功能實作!
系列文
AI Facial Expression Recognition: Data, Model, Application30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言