2021-01-06 17:06:50

new/mobi-dl-tflite/04.md

@@ -213,7 +213,7 @@ train_generator = datagen.flow_from_directory(
     subset='training')
 ```
 
-`datagen`对象采用两个参数-`rescale`和`validation_split`。 `rescale`参数告诉对象将所有黑白图像转换为`0`到`255`的范围，就像**红色，绿色和蓝色**（**RGB**）的规模，因为 MobileNet 模型已经在 RGB 图像上进行了训练。 `validation_split`参数从数据集中分配 20%（0.2 x 100）的图像作为验证集。 但是，我们也需要为验证集创建一个生成器，就像我们为训练集所做的那样。
+`datagen`对象采用两个参数-`rescale`和`validation_split`。 `rescale`参数告诉对象将所有黑白图像转换为`0`到`255`的范围，就像**红色，绿色和蓝色**（**RGB**）的规模，因为 MobileNet 模型已经在 RGB 图像上进行了训练。 `validation_split`参数从数据集中分配 20%（`0.2 x 100`）的图像作为验证集。 但是，我们也需要为验证集创建一个生成器，就像我们为训练集所做的那样。
 
 训练集生成器`train_generator`接受`target_size`和`batch_size`参数以及其他参数。 `target_size`参数设置要生成的图像的尺寸。 这样做是为了与 MobileNet 模型中的图像尺寸匹配。 `batch_size`参数指示单个批次应生成多少个图像。
 
@@ -704,7 +704,7 @@ aaptOptions {
 
 前面的代码段确保`tflite`文件未以压缩形式存储在 **Android 应用包**（**APK**）中。
 
-3.  接下来，我们需要将已经保存的`model.tflite`和`labels.txt`文件包括在 assests 文件夹中，如以下屏幕截图所示：
+3.  接下来，我们需要将已经保存的`model.tflite`和`labels.txt`文件包括在`assests`文件夹中，如以下屏幕截图所示：
 
 ![](img/bda97e78-3717-4a7b-9ab6-980f3be77066.png)