abc20002929的专栏

一、背景 AE loss最早出自《Associative Embedding:End-to-End Learning for Joint Detection and Grouping》这篇文章，通过简单的embedding方式，用于bottom-up关键点检测中进行最后的聚类。在CornerNet、HigherHRNet等文章中的均使用了该技巧。在目标检测任务ConrnerNet中用来区分多个同类别目标，在姿态估计任务HigherHRNet中用来完成关键点聚类。 ...

背景由于tflite模型设计时考虑到了内存占用等问题，其forward的过程会反复利用中间内存空间，而导致中间层的output数据没有保存下来，模型debug难点较大。经过查阅相关材料，发现一个最简洁的方式，记录于此。思路：解析flatbuffer格式的tflite模型， 直接修改tflite模型内容，调整模型output到指定层。实现1. 修改tflite模型output的函数。from tensorflow.lite.python import schema_py_genera