Question

我想基于经过重新训练的ssd_mobilenet模型（类似于youtube上的那个家伙）创建对象检测应用。

我从Tensorflow Model Zoo中选择了模型ssd_mobilenet_v2_coco。在重新训练过程之后，我得到了具有以下结构的模型：

- saved_model
    - variables (empty folder)
    - saved_model.pb
- checkpoint
- frozen_inverence_graph.pb
- model.ckpt.data-00000-of-00001
- model.ckpt.index
- model.ckpt.meta
- pipeline.config

在同一文件夹中，我有带有以下代码的python脚本：

import tensorflow as tf

converter = tf.lite.TFLiteConverter.from_saved_model("saved_model")
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)

运行此代码后，出现以下错误：

ValueError: None is only supported in the 1st dimension. Tensor 'image_tensor' has invalid shape '[None, None, None, 3]'.

似乎模型中缺少图像宽度和高度。当我使用youtube视频中的模型时，它就可以正常工作。

经过大量研究和尝试，我尝试了其他方法，例如运行bazel / toco，但没有任何帮助我创建tflite文件。

Answer 1

如documentation中所述，您可以在tf.lite.TFLiteConverter.from_saved_model中传递不同的参数。

对于更复杂的SavedModels，可以传递到TFLiteConverter.from_saved_model()的可选参数是input_arrays, input_shapes, output_arrays, tag_set and signature_key。通过运行help(tf.lite.TFLiteConverter)，可以获得每个参数的详细信息。

您可以按照here的说明传递此信息。您需要提供输入张量名称及其形状，还需要输出张量名称及其形状。对于ssd_mobilenet_v2_coco，您需要定义使用网络所需的输入形状，

tf.lite.TFLiteConverter.from_saved_model("saved_model", input_shapes={("image_tensor" : [1,300,300,3])})

如何从save_model创建tflite文件（SSD MobileNet）

1 个答案: