我正在尝试让 Mobilenetv2 模型（重新训练到我的数据集的最后一层）在 Google 边缘 TPU Coral 上运行。我可以使用“edgetpu_compiler”（按照此页面https://coral.withgoogle.com/docs/edgetpu/compiler/#usage）量化和编译模型。但是当我在 TPU 中运行推理时，对于非常不同的输入图像，我得到了类似的输出。
我使用“tflite_convert”工具来量化模型，如下所示：
tflite_convert --output_file=./model.tflite
--keras_model_file=models/MobileNet2_best-val-acc.h5 --output_format=TFLITE
--inference_type=QUANTIZED_UINT8 --default_ranges_min=0 --default_ranges_max=6
--std_dev_values=127 --mean_values=128 --input_shapes=1,482,640,3 --input_arrays=input_2
然后我使用“edgetpu_compiler”工具为 TPU 编译它：
sudo edgetpu_compiler model.tflite
Edge TPU Compiler version 2.0.258810407
INFO: Initialized TensorFlow Lite runtime.
Model compiled successfully in 557 ms.
Input model: model.tflite
Input size: 3.44MiB
Output model: model_edgetpu.tflite
Output size: 4.16MiB
On-chip memory available for caching model parameters: 4.25MiB
On-chip memory used for caching model parameters: 3.81MiB
Off-chip memory used for streaming uncached model parameters: 0.00B
Number of Edge TPU subgraphs: 1
Total number of operations: 71
Operation log: model_edgetpu.log
See the operation log file for individual operation details.
然后，当我使用此代码运行推理时：
...
labels = ["Class1", "Class2", "Class3", "Class4"]
results = engine.ClassifyWithImage(img, top_k=4)
for result in results:
print('---------------------------')
print(labels[result[0]])
print('Score : ', result[1])
输出是这样的（假设标签[“Class1”，“Class2”，“Class3”，“Class4”]）：
---------------------------
Class1
Score : 0.2890625
---------------------------
Class2
Score : 0.26953125
---------------------------
Class3
Score : 0.21875
---------------------------
Class4
Score : 0.21875
对于任何输入图像，它几乎相同，通常前两个类具有相同（或非常相似）的值（第 3 和第 4 相同），如上例所示。一类应该是 0.99(as it is in the .h5 model or even in the .tflite model without quantization)
可以是参数吗？我该-default_ranges_min=0 --default_ranges_max=6 --std_dev_values=127 --mean_values=128?如何计算它们？
编辑1：
使用这篇文章的答案，我尝试使用 both 量化模型--std_dev_values=127 --mean_values=128 and --std_dev_values=255 --mean_values=0，但我仍然得到垃圾推断。由于mobilenet2使用relu6，默认范围应该是-default_ranges_min=0 --default_ranges_max=6正确的？
该模型是经过重新训练的 MobileNetv2，输入是 RGB 图像（3 通道），输入形状为 1,482,640,3。