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．
