无法将冻结推理图转换为 .tflite

Question

我一般是 object 检测 API 和 TensorFlow 的新手。 我按照本教程进行操作，最后制作了frozen_inference_graph.pb 。 我想在我的手机上运行这个 object 检测 model，据我了解，这需要我将其转换为 .tflite（如果这没有任何意义，请 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: None 仅在第一维中受支持。 张量“image_tensor”的形状无效“[None, None, None, 3]”

这是我在网上发现的一个常见错误，在搜索了很多线程后，我试图给代码一个额外的参数：

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)

这首先有效，但最后抛出另一个错误，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：中止

我知道我的输入张量具有 uint8 的数据类型，这会导致不匹配，我猜。 我的问题是，这是处理事情的正确方法吗？ （我想在我的手机上运行我的 model）。 如果是，我该如何修复错误？ ：/

非常感谢。

Answer 1

将您的 model 输入（ image_tensor占位符）更改为具有数据类型tf.float32 。