Question

尝试将已保存的模型转换为tflite文件时，出现以下错误：

F tensorflow / contrib / lite / toco / tflite / export.cc：363]标准TensorFlow Lite运行时不支持该模型中的某些运算符。如果您有针对他们的自定义实现，则可以使用--allow_custom_ops或通过在调用tf.contrib.lite.toco_convert（）时设置allow_custom_ops = True来禁用此错误。 以下是您需要自定义实现的运算符的列表：AsString，ParseExample 。\ n已中止（核心已转储）\ n' 没有

我正在使用DNN预制估算器。

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import numpy as np
import tensorflow as tf
IRIS_TRAINING = "iris_training.csv"
IRIS_TEST = "iris_test.csv"
INPUT_TENSOR_NAME = 'inputs'

def main():
training_set = tf.contrib.learn.datasets.base.load_csv_with_header(
    filename=IRIS_TRAINING,
    target_dtype=np.int,
    features_dtype=np.float32)

feature_columns = [tf.feature_column.numeric_column(INPUT_TENSOR_NAME, shape=[4])]

# Build 3 layer DNN with 10, 20, 10 units respectively.
classifier = tf.estimator.DNNClassifier(feature_columns=feature_columns,
                           hidden_units=[10, 20, 10],
                           n_classes=3,
                           model_dir="/tmp/iris_model")


# Define the training inputs
train_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={INPUT_TENSOR_NAME: np.array(training_set.data)},
    y=np.array(training_set.target),
    num_epochs=None,
    shuffle=True)

# Train model.
classifier.train(input_fn=train_input_fn, steps=2000)

inputs = {'x': tf.placeholder(tf.float32, [4])}
tf.estimator.export.ServingInputReceiver(inputs, inputs)

saved_model=classifier.export_savedmodel(export_dir_base="/tmp/iris_model", serving_input_receiver_fn=serving_input_receiver_fn)

print(saved_model)

converter = tf.contrib.lite.TocoConverter.from_saved_model(saved_model)
tflite_model = converter.convert()

def serving_input_receiver_fn():
    feature_spec = {INPUT_TENSOR_NAME: tf.FixedLenFeature(dtype=tf.float32, shape=[4])}
    return tf.estimator.export.build_parsing_serving_input_receiver_fn(feature_spec)()

if __name__ == "__main__":
    main()

虹膜文件可以通过以下链接下载：

IRIS_TRAINING FILE：“ http://download.tensorflow.org/data/iris_training.csv”

IRIS_TEST FILE：“ http://download.tensorflow.org/data/iris_test.csv”

Answer 1

ParseExample 用于tf.estimator.export.build_parsing_serving_input_receiver_fn方法中。

如果要避免这种情况，则应使用tf.estimator.export.build_raw_serving_input_receiver_fn。

请记住，当您要对生成的SavedModel进行预测时，应设置signature_def_key="predict"。

所以看起来像这样 predict_fn = predictor.from_saved_model(export_dir='tmp/...', signature_def_key="predict")

尝试从保存的模型转换为tflite格式时出错

1 个答案: