TensorSpace.js
开始使用
基本概念
TensorSpace Converter
模型预处理
模型
网络层
网络层融合
在 Docker 中使用
配置一个适合 TensorSpace-Converter 运行的环境有点复杂?不妨试试在 Docker 中运行吧!
TensorSpace-Converter 提供了一个 Dockerfile,你可以通过它快速创建一个开箱即用的 TensorSpace-Converter 镜像。为了让这个 tensorspacejs 镜像更易用,我们提供了脚本来 创建 (init_docker_converter.sh) 与 运行 (run_docker_converter.sh) 它。
第一步:创建
创建一个 tensorspacejs Docker 镜像 (确保在初始化镜像前已经启动了 Docker):
bash init_docker_converter.sh
第二步:运行
将 TensorSpace-Converter 脚本和模型文件都放在一个工作目录 (WORK_DIR) 下,然后执行 run_docker_converter.sh 脚本来运行 tensorspacejs 镜像:
bash run_docker_converter.sh --work_dir ./PATH/TO/WORK/DIRECTORY
参数配置
flare work_dir
work_dir 是 TensorSpace-Converter 的工作目录,converter.sh 脚本和模型文件都放置在这个目录下,在执行 tensorspacejs Docker 镜像后,也会将经过转化的文件生成在该目录下。在通过 run_docker_converter.sh 脚本运行 tensorspacejs Docker 镜像时,需要配置 work_dir。在 这个例子 中,将 work_dir 配置成 ./example
flare converter.sh
将 TensorSpace-Converter 转化代码放在 converter.sh 文件中,tensorspacejs 镜像将会执行这个文件来对模型进行转换。将 converter.sh 放置于 work_dir 的根目录中,并且保持 converter.sh 这个文件的文件名不变。
flare input 和 output
将需要转换的模型放在 work_dir 文件夹中,在 converter.sh 中设置 input_path 和 output_path 时,都设置成相对于 work_dir 的相对路径。在 这个例子 中,input_path./input/keras_model.h5output_path./output