Question

我现在正尝试将savedmodel转换为tflite格式。这样做时，我收到以下错误消息。

ValueError：仅第一个维度不支持

我猜这个问题主要是由于我的部分源代码造成的：

x = tf.placeholder(tf.float32, shape=[None, None, None], name='JW_Input')
W = tf.Variable(tf.zeros([28, 28, 10]))

实际上，由于必须考虑输入图像的各种尺寸，因此很难更改有关输入形状的原始代码。

是否有另一种解决此问题的解决方案？

import tensorflow as tf
import numpy as np
import os
import shutil

input_array = np.zeros((1, 28, 28))

x = tf.placeholder(tf.float32, shape=[None, None, None], name='JW_Input')
W = tf.Variable(tf.zeros([28, 28, 10]))
y = tf.matmul(x, W, name='JW_Output')

with tf.Session() as sess:

    sess.run(tf.global_variables_initializer())
    sess.run(y, feed_dict={x: input_array})

    target_dir = 'savedmodel_test_dir'
    if os.path.isdir(target_dir) is True:
        shutil.rmtree(target_dir)

    tf.saved_model.simple_save(sess, 'savedmodel_test_dir', inputs={'Input': x}, outputs={'Output': y})

src_model_file = os.path.join(os.getcwd(), "savedmodel_test_dir")
convert = tf.lite.TFLiteConverter.from_saved_model(src_model_file,
                                                   input_arrays=["JW_Input"],
                                                   output_arrays=["JW_Output"])
convert.convert()

预期结果：转换时没有错误。

实际结果：错误发生以下消息。

Answer 1

不幸的是，您不能使用输入大小可变的TFLite模型。甚至第一维也必须固定。尽管该错误表明如果在第一个维度中为“无”是可以的，但实际上，如果在输入的任何维度中都为“无”，则在推理过程中还会遇到其他错误。

这样做的原因是TFLite转换器执行了多个图形转换以优化您的图形，并且这些转换需要能够传播（固定）图形中所有张量的大小。

至少在1.14版之前的TF就是这种情况

如何修复ValueError：仅在第1维中不支持

1 个答案: