import numpy as np
import os
import tensorflow as tf
dir = "./u-net"
input_model = dir + "/output"
output_model = dir + "/models/unet_dagm_256.tflite"
#to tensorflow lite
converter = tf.lite.TFLiteConverter.from_saved_model(input_model)
tflite_quant_model = converter.convert()
if not os.path.exists(dir + "/models"):
os.mkdir(dir + "/models")
with open(output_model, 'wb') as o_:
o_.write(tflite_quant_model)
if __name__=='__main__':
with tf.device("/gpu:0"):
with tf.Graph().as_default():
with tf.variable_scope("scope_model"):
x = tf.placeholder(tf.float32, [None, IMG_SIZE*IMG_SIZE]) # inputs(gray image)
y = tf.placeholder(tf.float32, [None, IMG_SIZE*IMG_SIZE*CATEGORY]) # teacher
自転車用シューズは,サドルと同様,選定がシビアなパーツです.
足の形やペダリングとの相性があり,高い物を買っても駄目な場合があります.
自分に合う製品に巡り会えたならば,長く使い続けたいです.
S Works 7の先代からも含めて,僕はここ8年程Specializedを履いていました.
こんな形でブランド変更を余儀なくされるとは思いませんでした💦
強烈なホールド感と剛性感が指先に来ます.
ソールの厚みはS Works 7よりも大きく感じました.
S Works 7ではダイヤルを締めると足が痛くなってしまう(=緩々で履いていた)のですが,INFINITE R1は違いました.
足の甲がソールに括り付けられる感じで,強く絞めても痛みがありません.
土踏まずががっちりとホールドされ,踵が擦れないのも良いです.
お借りしたINFINITE R1は若干重かったのですが,これの後継のKNIT2は(カタログスペックで)ほぼS Works 7と同じ重量です.
メーカーHPで見た赤(メーカー表記はCoral/Black)モデルの外見も大変気に入り,購入を決めました.
4. インプレ
500 km位走った感想になります.
生地がかなり薄めです.
S Works 7よりも馴染み易いですが,その分,剛性感は小さ目です.
また,冬はかなり寒いかもです.
秤が無いので正確な重さは分かりませんが,KNIT2の方が多少重いかも知れないです.
S Works 7とINFINITE R1は39.5でキツい位でしたが,KNIT2は39.0でピッタリでした.
3サイズを試着できるサービス*3のお陰で,適切なサイズを選べました.
クリートの調整幅は前後左右に広いと思います.
S Works 7よりも靴(=足)をクランク側に近づけることが出来ます.
真っ直ぐに踏み降ろせるので,脚への負担が少ないと感じます.
マイナス点を挙げるならば,,,お値段が高めではあります.
S Works 7やS-PHYREに対して1万程の値段差でしょうか.
個人的には,この値段差であれば見た目がキュンと来る物を買いたいです.