Question

我一般对对象检测API和TensorFlow还是陌生的。我遵循了this教程，最后制作了frozen_inference_graph.pb。我想在手机上运行该对象检测模型，据我所知，我需要将其转换为.tflite（如果没有任何意义，请使用lmk）。

当我尝试在此处使用此标准代码进行转换时：

import tensorflow as tf
graph = 'pathtomygraph'
input_arrays = ['image_tensor']
output_arrays = ['all_class_predictions_with_background']


converter = tf.lite.TFLiteConverter.from_frozen_graph(graph, input_arrays, output_arrays)
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)

它抛出一个错误，说：

ValueError：仅在第一个维度中不支持。张量 'image_tensor'具有无效的形状'[None，None，None，3]'

这是我在互联网上发现的常见错误，在搜索了许多线程之后，我尝试为代码提供额外的参数：

converter = tf.lite.TFLiteConverter.from_frozen_graph(
        graph, input_arrays, output_arrays,input_shapes={"image_tensor":[1,600,600,3]})

现在看起来像这样：

import tensorflow as tf
graph = 'pathtomygraph'
input_arrays = ['image_tensor']
output_arrays = ['all_class_predictions_with_background']


converter = tf.lite.TFLiteConverter.from_frozen_graph(
        graph, input_arrays, output_arrays,input_shapes={"image_tensor":[1,600,600,3]})
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)

此可以工作，但最后会抛出另一个错误，说：

检查失败：array.data_type == array.final_data_type数组 “ image_tensor”的实际和最终数据类型不匹配（data_type = uint8，final_data_type = float）。致命错误：已中止

我知道我的输入张量具有uint8的数据类型，这可能导致不匹配。我的问题是，这是处理事物的正确方法吗？（我想在手机上运行我的模型）。如果是，该如何解决错误？：/

非常感谢您。

Answer 1

将模型输入（image_tensor占位符）更改为数据类型tf.float32。

无法将冻结的推理图转换为.tflite

1 个答案: