Question

所以我使用tensorflow和python训练了一个模型，现在我正尝试在C ++程序中使用它。我使用此代码将模型转换为tflite（转换过程中没有任何错误）：

model.load_weights('training_weights.h5', by_name=True)
model.save('saved_model/model')

converter = tf.lite.TFLiteConverter.from_saved_model("saved_model/model")
tflite_model = converter.convert()
with tf.io.gfile.GFile('model.tflite', 'wb') as f:
    f.write(tflite_model)

然后我用C ++加载模型，并尝试使用它，但是输出与我的网络输出不匹配。使用python，网络的最后一层是：

X = Lambda(lambda x: K.expand_dims(x, axis=2), name='deconv_expand_dim')(input_tensor)
X = Conv2DTranspose(filters, (kernel_size, 1), strides=(strides, 1), padding=padding, 
                    activation=activation, kernel_initializer=kernel_initializer,
                    bias_initializer=bias_initializer, name='deconv')(X)
X = Lambda(lambda x: K.squeeze(x, axis=2), name='deconv_reduce_dim')(X)

以及在C ++中加载的模型的最后一层是：

1227 model/deconv_expand_dim/ExpandDims;StatefulPartitionedCall/model/deconv_expand_dim/ExpandDims
1228 model/deconv/Shape;StatefulPartitionedCall/model/deconv/Shape
1229 model/deconv/strided_slice;StatefulPartitionedCall/model/deconv/strided_slice1
1230 model/deconv/strided_slice_1;StatefulPartitionedCall/model/deconv/strided_slice_1
1231 model/deconv/strided_slice_2;StatefulPartitionedCall/model/deconv/strided_slice_22
1232 model/deconv/stack;StatefulPartitionedCall/model/deconv/stack
1233 model/deconv/conv2d_transpose;StatefulPartitionedCall/model/deconv/conv2d_transpose1
1234 model/deconv/BiasAdd;StatefulPartitionedCall/model/deconv/BiasAdd
1235 Identity

我只是对解释器-> tensors_size（）进行了for循环以列出层。问题：

interpreter-> tensors_size（）返回一个较大的数字，该数字因一项测试而异于另一项测试（大约1300）。
interpreter-> outputs（）[0] 返回Identity的索引（1235）。
在C ++中，我有 deconv_expand_dim 和 deconv 层，但是我没有 deconv_reduce_dim 层。
interpreter-> tensor（outputIndex）-> dims-> size 等于0，这是有问题的，因为这是网络的输出。我在转换过程中错过了一步吗？如何获得有效的输出？

非常感谢您的帮助。

Answer 1

我想我找到了它不起作用的原因。如您在最后一层中看到的，我使用运算符：

K.squeeze(x, axis=2)

似乎尚不支持指定的轴（“ tf.squeeze-只要不提供轴。”，最后访问时间：2020年7月28日，link）。

这就是为什么我在C ++中没有与Python中相同的输出的原因，Tensorflow Lite目前不支持我的网络。

转换后，TFLite模型中缺少图层

1 个答案: