在Azure上训练自定义YOLO v4暗网模型并在IoT Edge上与Azure Live Video Analytics一起运行 目录 训练定制的YOLO v4模型 先决条件 SSH客户端或命令行工具-对于Windows，请尝试 SCP客户端或命令行工具-对于Windows，请尝试 Azure订阅-适用于新客户的。 熟悉Unix命令-例如vim ， nano ， wget ， curl等。 视觉对象标记工具 在Azure中的Ubuntu（18.04）虚拟机上安装并运行测试 通过使用项目VM设置来设置N系列虚拟机。 SSH进入带有用户名和密码的Ubuntu DSVM（如果使用ssh密钥，则使用该密钥） 如果这是公司订阅，则可能需要删除Azure门户中“网络”下的入站端口规则（删除Cleanuptool-Deny-103） 通过运行以下命令测试Darknet可执行文件。 获得YO

B20_08_NNCase编译MobileNet_v1_1.0即tflite量化为kmodel v3.zip包含以下文件： ncc-win7-x86_64.zip即NNCase Converter v0.1.0 RC1对应的c#源码 nncase-0.1.0-rc1.zip即NNCase Converter v0.1.0 RC1对应的c#源码 mobilenet文件夹，其中mobilenet文件夹包含以下权重： MobileNet_v1_1.0.pb使用tf slim训练的mobilenet_v1_1.0； mobilenet_v1.tflite将MobileNet_v1_1.0.pb转成mobilenet_v1.tflite未量化； mobilenet_v1_kmodel_v4.kmodel 即通过NNCase v0.2.0 Beta2工具编译mobilenet_v1.tflite，未量化； MobileNet_v1_1.0_uint8_kmodel_v4.kmodel 即通过NNCase v0.2.0 Beta2工具编译mobilenet_v1.tflite，量化未uint8，k210 kpu可以加速；

针对k210或者其他AI嵌入式设备提供转化代码，支持训练、优化、转化相关内容，提供端到端的模型训练和转换。

tflite2tensorflow 从.tflite生成saved_model，tfjs，t​​f-trt，EdgeTPU，CoreML，量化的tflite，ONNX，OpenVINO，无数推理引擎blob和.pb。 1.支持的图层 不。 TFLite层 TF层 评论 1个 CONV_2D tf.nn.conv2d 2个 DEPTHWISE_CONV_2D tf.nn.depthwise_conv2d 3 MAX_POOL_2D tf.nn.max_pool 4 软垫 tf垫 5 MIRROR_PAD tf.raw_ops.MirrorPad 6 relu tf.nn.relu 7 普鲁鲁 tf.keras.layers.PReLU 8 RELU6 tf.nn.relu6 9 重塑 tf.reshape 10 添加 tf.add 11 潜艇 tf.ma

使用TensorFlow Lite在Android手机上实现图像分类非量化的demo