Question

我在python中使用TFCoreml将Tensorflow模型转换为CoreML，以便使用CoreML库在iOS设备上进行开发。

我使用以下python代码尝试将模型转换为CoreML。

将tfcoreml导入为tf_converter

tf_converter.convert(tf_model_path = 'frozen_inference_graph.pb', 
                     mlmodel_path = 'ml_model.mlmodel', 
                     output_feature_names = ['SemanticPredictions:0'],
                      input_name_shape_dict =  {'ImageTensor:0' : [1, 512, 512, 3]})

这会出现以下错误：

Slice类型的OP缺少Shape Translator。

我进一步阅读了TFCoreml的文档，它指出不完全支持Slice，并且需要一些自定义转换代码才能起作用。在TFCoreml文档中，它建议将冻结的图分解为子图并分别进行转换，然后在转换后将它们合并在一起。

我更新了代码以使用自定义图层，但是我不太了解自定义转换功能的工作原理。

仅需要一些指针就可以开始了解如何编写这些自定义转换方法，从而可以解决将Tensorflow模型转换为CoreML的问题。

[编辑]

我进一步阅读了TFCoreml示例和文档，并针对此问题调整了我的解决方案。

import tfcoreml as tf_converter

def _convert_slice(**kwargs):
    tf_op = kwargs["op"]
    coreml_nn_builder = kwargs["nn_builder"]
    constant_inputs = kwargs["constant_inputs"]

    params = NeuralNetwork_pb2.CustomLayerParams()
    params.className = 'Slice'
    params.description = "Custom layer that corresponds to the slice TF op"
    # get the value of begin
    begin = constant_inputs.get(tf_op.inputs[1].name, [0,0,0,0])
    size = constant_inputs.get(tf_op.inputs[2].name, [0,0,0,0])
    # add begin and size as two repeated weight fields
    begin_as_weights = params.weights.add()
    begin_as_weights.floatValue.extend(map(float, begin))
    size_as_weights = params.weights.add()
    size_as_weights.floatValue.extend(map(float, size))
    coreml_nn_builder.add_custom(name=tf_op.name,
                                input_names=[tf_op.inputs[0].name],
                                output_names=[tf_op.outputs[0].name],
                                custom_proto_spec=params)

coreml_model = tfcoreml.convert(
        tf_model_path='frozen_inference_graph.pb',
        mlmodel_path='my_model.mlmodel',
        input_name_shape_dict={'ImageTensor:0':[1, 512, 512, 3]},
        output_feature_names=['SemanticPredictions:0'],
        add_custom_layers=True,
        custom_conversion_functions={'Slice': _convert_slice}) # dictionary has op name as the key

print("\n \n ML Model layers info: \n")
# inspect the CoreML model: this should be same as the one we got above
spec = coreml_model.get_spec()
_print_coreml_nn_layer_info(spec)

我仍然遇到与以前相同的错误

Slice类型的OP缺少Shape Translator。

但我确实注意到我也收到此错误/警告

custom_conversion_functions = {'Slice'：_convert_slice}）＃字典将操作名称作为关键字

我们将为您提供任何帮助

将Tensorflow模型转换为CoreML模型。 OP Slice缺少形状转换器

0 个答案: