我正在尝试通过TF-Lite toco转换器转换简单模型：
y_train = simple_model() #simple feed forward model
train_it = self.train_data.make_one_shot_iterator()
train_key, train_img, train_lab = train_it.get_next()
converter = tf.contrib.lite.TocoConverter.from_session(sess, [train_img], [y_train])
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)
但是由于我正在使用尚不支持的oneshot迭代器，它给出了一个错误。我正在从Tensorflow记录中获取数据，并且正在使用Tensorflow 1.9。
转换不受支持的操作：
OneShotIterator
2018-12-24 12：56：18.134447：[tensorflow / contrib / lite / toco / import_tensorflow.cc：1366]
转换不受支持的操作：IteratorGetNext
2018-12-24 12：56：18.136355：[tensorflow / contrib / lite / toco / graph_transformations / graph_transformations.cc：39]
删除未使用的操作之前：16个运算符，25个数组（0个已量化）
2018-12-24 12：56：18.136441：[tensorflow / contrib / lite / toco / graph_transformations / graph_transformations.cc：39]
在进行一般图形转换之前：16个运算符，25个数组（0个量化）
2018-12-24 12：56：18.136605：[tensorflow / contrib / lite / toco / graph_transformations / graph_transformations.cc：39]
通用图形转换通过1：6个运算符后，有13个数组（0个量化）
2018-12-24 12：56：18.138847：[tensorflow / contrib / lite / toco / graph_transformations / graph_transformations.cc：39]
常规图形转换通过2次后：5个运算符，11个数组（0个量化）
2018-12-24 12：56：18.138901：[tensorflow / contrib / lite / toco / graph_transformations / graph_transformations.cc：39]
常规图形转换通过3后：4个运算符，9个数组（0个量化）
2018-12-24 12：56：18.138919：[tensorflow / contrib / lite / toco / graph_transformations / graph_transformations.cc：39]
在去量化图形转换之前：4个运算符，9个数组（0个量化）
2018-12-24 12：56：18.138942：[tensorflow / contrib / lite / toco / allocate_transient_arrays.cc：329]
临时数组分配的总大小：0个字节，理论上的最佳值：0个字节。
2018-12-24 12：56：18.139043：[tensorflow / contrib / lite / toco / tflite / export.cc：330]
标准TensorFlow Lite运行时不支持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allow_custom_ops=True时设置tf.contrib.lite.toco_convert()来禁用此错误。以下是需要自定义实现的运算符的列表：IteratorGetNext，OneShotIterator。
中止（核心已弃用）
所以我的问题是：什么是使模型可转换的简单替代方法？另外，由于转换后的模型将仅用于对单个图像进行预测，是否有可能从转换中排除“训练”图像管道？