博主在根据官网配置图像分类迁移学习时，由于没有设置翻墙，程序执行如下语句时

model = image_classifier.create(train_data)

会因为模型下载超时而报错：urllib.error.URLError: <urlopen error [Errno 110] Connection timed out>

博主debug看了下，在/home/sxhlvye/anaconda3/envs/testTF/lib/python3.6/site-packages/tensorflow_examples/lite/model_maker/core/task/model_spec/_init_.py文件里（结合自己的路径）看到了预先设定好的模型配置

切换到/home/sxhlvye/anaconda3/envs/testTF/lib/python3.6/site-packages/tensorflow_examples/lite/model_maker/core/task/model_spec/image_spec.py文件，可以看到每个模型的下载路径

 在不指定模型路径情况相下，系统默认使用的是efficientnet_lite0模型，对应路径是

https://tfhub.dev/tensorflow/efficientnet/lite0/feature-vector/2

博主想直接到tensorflow hub网站上去下载

TensorFlow Hubhttps://tensorflow.google.cn/hub/但点击'查看模型'没有反应

可看到图中示例可以直接通过tensorflow_hub.KerasLayer函数通过路径来加载模型，其实再深入debug，你会发现上面的mage_classifier.create()里面其实也调用了KerasLayer函数

 

为了网页浏览模型，可以访问如下网址：

TensorFlow Hubhttps://hub.tensorflow.google.cn如下页面中可以根据条件去筛选

模型下载不了解决方法

输入上面的网址https://tfhub.dev/tensorflow/efficientnet/lite0/feature-vector/2，发现没有反应，可以对链接进行如下的更改即可。

(1）https://tfhub.dev修改为https://storage.googleapis.com/tfhub-modules

(2) 2修改为2.tar.gz

修改后的访问网址应该为：https://storage.googleapis.com/tfhub-modules/tensorflow/efficientnet/lite0/feature-vector/2.tar.gz

代码修改为如下：

import os
import numpy as np
import tensorflow as tf
assert tf.__version__.startswith('2')

from tflite_model_maker import model_spec
from tflite_model_maker import image_classifier
from tflite_model_maker.config import ExportFormat
from tflite_model_maker.config import QuantizationConfig
from tflite_model_maker.image_classifier import DataLoader
import matplotlib.pyplot as plt
from tensorflow_examples.lite.model_maker.core.task import model_spec as ms
import tensorflow_hub as hub

image_path = tf.keras.utils.get_file(
      'flower_photos.tgz',
      'https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz',
      extract=True)
image_path = os.path.join(os.path.dirname(image_path), 'flower_photos')

data = DataLoader.from_folder(image_path)
train_data, test_data = data.split(0.9)
print(train_data.size)
print(test_data.size)

#inception_v3_spec = image_classifier.ModelSpec(uri='/home/sxhlvye/efficientnet_lite0_feature-vector_2')
inception_v3_spec = image_classifier.ModelSpec(uri='https://storage.googleapis.com/tfhub-modules/tensorflow/efficientnet/lite0/feature-vector/2.tar.gz')
inception_v3_spec.input_image_shape = [240, 240]
model = image_classifier.create(train_data, model_spec=inception_v3_spec)

print("ok")

运行部分结果如下：

=================================================================
Total params: 3,419,429
Trainable params: 6,405
Non-trainable params: 3,413,024
_________________________________________________________________
None
/home/sxhlvye/anaconda3/envs/testTF/lib/python3.6/site-packages/keras/optimizer_v2/optimizer_v2.py:356: UserWarning: The `lr` argument is deprecated, use `learning_rate` instead.
  "The `lr` argument is deprecated, use `learning_rate` instead.")
Epoch 1/5
2022-04-17 20:08:02.362645: I tensorflow/stream_executor/cuda/cuda_dnn.cc:369] Loaded cuDNN version 8100
103/103 [==============================] - 9s 49ms/step - loss: 0.8722 - accuracy: 0.7630
Epoch 2/5
103/103 [==============================] - 5s 50ms/step - loss: 0.6609 - accuracy: 0.8941
Epoch 3/5
103/103 [==============================] - 5s 50ms/step - loss: 0.6217 - accuracy: 0.9181
Epoch 4/5
103/103 [==============================] - 5s 51ms/step - loss: 0.6085 - accuracy: 0.9190
Epoch 5/5
103/103 [==============================] - 5s 52ms/step - loss: 0.5915 - accuracy: 0.9354
ok

上面图片会默认下载到如下路径（结合自己的博客）

 训练自己数据集用于分类的时候，就可以借鉴此目录结构。

补充：

从 TF Hub 缓存下载的模型  |  TensorFlow Hub

可以看到下载的模型保存的位置

博主把上面文件夹中的内容拷贝别的一个位置

代码中路径设定为本地地址（结合自己的路径）,程序可以正常运行

inception_v3_spec = image_classifier.ModelSpec(uri='/home/sxhlvye/efficientnet_lite0_feature-vector_2')