我正在为android创建自定义对象检测示例，我使用ssd_mobilenet_v1_coco预训练模型进行迁移学习，并获得了不错的准确性。我还使用终端中的以下代码行成功地将model.ckpt-XXXX导出到.pb tflite图（从github克隆Tensorflow Object Detection API之后从object_detection文件夹运行）：
python export_tflite_ssd_graph.py --pipeline_config_path=training/ssd_mobilenet_v1_coco.config --trained_checkpoint_prefix=training/model.ckpt-40500--output_directory=tflite --add_postprocessing_op=true
上面创建了一个文件夹tflite，其中包含2个文件：
但是，当我要将tflite_graph.pb转换为detect.tflite时，出现以下错误，程序突然结束：
"TOCO failed. See console for info.\n%s\n%s\n" % (stdout, stderr))
tensorflow.lite.python.convert.ConverterError: TOCO failed.
.
.
.
Check failed: input_array_dims[i] == input_array_proto.shape().dims(i) (300 vs. 128)
Fatal Python error: Aborted
.
.
.
这是我用来将.pb转换为.tflite的命令：
tflite_convert --graph_def_file=tflite/tflite_graph.pb --output_file=tflite/detect.tflite --input_shapes=1,128,128,3 --input_arrays=normalized_input_image_tensor --output_arrays=TFLite_Detection_PostProcess,TFLite_Detection_PostProcess:1,TFLite_Detection_PostProcess:2,TFLite_Detection_PostProcess:3 --allow_custom_ops
我使用的图像尺寸为128x128，因此为什么我认为那将是input_shapes。我也已经安装了Toco。
任何帮助或建议将不胜感激。
答案 0 :(得分：0)
因此，在进行了进一步的研究后，我发现这是因为模型的配置文件正在查看尺寸为300 x 300的图像。因此，我将配置文件中的图像尺寸更改为128，这样就可以了。