离线环境下通过supervisord使用TensorFlow MobileNetV2的技术求助

当然可以，你可以先初始化一个空模型，再手动加载自己的权重，具体操作：

1. 先创建不带预训练权重的模型（设置weights=None）：

   mobilenet = tf.keras.applications.mobilenet_v2.MobileNetV2(
       input_shape=(224, 224, 3),
       include_top=False,
       weights=None  # 初始化无权重的空模型
   )
   

2. 用load_weights()方法加载你自己训练的权重文件：

   mobilenet.load_weights('/path/to/your/custom_mobilenet_weights.h5')
   

⚠️ 注意：你自己的权重文件必须和MobileNetV2的层结构完全匹配（比如每层的名称、参数数量一致），不然会加载失败。如果是基于MobileNetV2微调出来的权重，基本都能直接用；要是你改了网络结构，就得确保权重和模型对应上。

supervisord对路径要求很严，所有涉及到的执行文件、脚本、依赖都得用绝对路径，给你一套完整的配置流程：

1. 先收集所有绝对路径 #

• 找Python解释器的绝对路径：运行which python3（如果用虚拟环境，路径大概是/opt/your_venv/bin/python3）
• 你的Python脚本绝对路径：比如/opt/your_project/main.py
• 权重文件的绝对路径：比如/opt/your_project/weights/custom_weights.h5（务必确保脚本里引用的是这个绝对路径，别用相对路径）

2. 编写supervisord配置文件 #

在/etc/supervisor/conf.d/目录下新建一个配置文件，比如mobilenet_app.conf，内容如下：

[program:mobilenet_app]
# 用绝对路径指定Python解释器和脚本
command=/opt/your_venv/bin/python3 /opt/your_project/main.py
# 指定程序的工作目录（绝对路径）
directory=/opt/your_project
# 运行程序的用户（要确保该用户有权限访问所有相关文件）
user=ubuntu
# 设置环境变量，比如虚拟环境、Python路径等
environment=PYTHONPATH="/opt/your_project",HOME="/home/ubuntu"
# 日志文件的绝对路径
stdout_logfile=/var/log/mobilenet_app.log
stderr_logfile=/var/log/mobilenet_app_err.log
# 自动启动和重启策略
autostart=true
autorestart=true
startsecs=5

3. 重载配置并启动服务 #

运行以下命令：

# 重载配置文件
sudo supervisorctl reread
# 更新配置
sudo supervisorctl update
# 启动你的程序
sudo supervisorctl start mobilenet_app

4. 验证运行状态 #

可以用sudo supervisorctl status mobilenet_app查看程序状态，或者直接看日志文件确认是否正常运行。

内容的提问来源于stack exchange，提问作者puhuk