임이지의 블로그

책소개 이제는 On-Device AI, 모바일 딥러닝을 준비해야 한다! 안드로이드 앱에서 딥러닝 모델을 활용하는 방법을 최대한 입문자의 시선에 맞추어 풀어낸 책이다. 모델의 추론 성능을 측정하고 최적화하는 방법까지 다룬다. 또한 입문자의 진입장벽을 낮추기 위해 각 코드의 의미를 한 줄 한 줄 상세히 설명했다. 앱 개발 경험이 있는 안드로이드 개발자라면 이 책을 통해 직접 만든 앱에 딥러닝 모델을 배포하여 활용하는 방법을 빠르게 익힐 수 있다. 딥러닝 모델 개발 경험이 있는 AI 엔지니어라면 직접 개발한 모델을 안드로이드 환경에서 서비스하는 방법도 찾을 수 있다. On-Device AI, 모바일 딥러닝에 가장 빠르게 입문하고 싶다면, 이 책으로 시작하자! 목차 1장. 안드로이드와 텐서플로 라이트 입문 1...

Developer/IT 도서 2022. 1. 17. 11:29

추론하려고 하는 모델의 인풋 속성이 INPUT 이미지에 속성이 224 x 224 x 3 크기로 사용했어야 하는데 모델 정보를 확인 안 하고 추론을 진행하였다. 오류 내용처럼 602112 바이트의 크기로 ByteBuffer를 만들어야 했었는 에 아래 코드는 224 x 224 * 1 의 크기로 ByteBuffer를 만들어서 전달하였다. private ByteBuffer convertBitmapToGrayByteBuffer(Bitmap bitmap) { ByteBuffer byteByffer = ByteBuffer.allocateDirect(bitmap.getByteCount()); byteByffer.order(ByteOrder.nativeOrder()); int[] pixels = new int[bitma..

AI 2022. 1. 10. 13:58

TensorFlow lite 텐서플로우 라이트는 텐서플로우의 경량화 버전이다. 서버나 PC 같은 고성능 장치에서만 텐서플로우 모델을 동작을 하는 게 아니라 텐서플로우 라이트 포맷 형태로 변환을 거치면, 모바일과 같은 임베디드 시스템에서도 추론(Inference)할 수 있다. 이는 온-디바이스(On-Device), 즉 서버에서 추론한 결과를 뿌려주는 것이 아닌, 장치 내부에서 추론이 직접 가능하도록 하다는 의미이다. TensorFlow Lite Architecture TensorFlow Lite 변환기는 TensorFlow 모델을 사용하고 TensorFlow Lite 모델(. tflite 파일 확장자로 식별되는 최적화된 FlatBuffer 형식)을 생성한다. TensorFlow 를 만든 모델을 Tensor..

AI 2021. 5. 7. 10:23

tensorflow2 에서 tf.lite.constants.QUANTIZED_UINT8와 같은 DEPRECATED 된 값을 사용시 발생한다. tensorflow2 에서 사용하는 것으로 변경하면 된다. tf.lite.constants.FLOAT -> tf.float32 tf.lite.constants.INT8 -> tf.int8 tf.lite.constants.INT32 -> tf.int32 tf.lite.constants.INT64 -> tf.int64 tf.lite.constants.STRING -> tf.string tf.lite.constants.QUANTIZED_UINT8 -> tf.uint8

개발 환경/Python 2021. 5. 6. 14:35