我正在尝试制作一个简单的手势识别系统，以便与配备摄像头的 Raspberry Pi 一起使用。我想在我更强大的笔记本电脑上使用 tensorflow 训练神经网络，然后将其传输到 RPi 进行预测(作为 Magic Mirror 的一部分)。有没有一种方法可以导出经过训练的网络和权重，并使用轻量级版本的 tensorflow 进行线性代数和预测，而无需承担训练所需的所有符号图机器的开销？我已经看过有关 Tensorflow 服务器的教程，但我不想设置服务器，而只是让它在 RPi 上运行预测。
最佳答案
是的，可能并且available在源存储库中。这允许部署和运行在您的笔记本电脑上训练的模型。请注意，这是相同模型，但可能很大。
为了解决规模和效率问题，TF 目前正在沿着 quantization approach 前进。训练模型后，需要执行一些额外的步骤才能将其“转换”为具有相似精度的更轻的模型。但目前，实现速度相当缓慢。最近有一条post这显示了 iOS 的整个过程——总体上与 RaspberryPI 非常相似。
Makefile contribution与调整和额外配置也非常相关。
请注意，此代码经常移动并中断。有时检查旧的“release”标签以获得端到端工作的东西很有用。
关于python - 如何在例如上部署经过训练的 tensorflow 网络树莓派，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/40431989/