轉換后 TFLite model 中缺少層

Question

因此，我使用 tensorflow 和 python 訓練了 model，現在我正在嘗試在 ZF6F87C9FDCF18B3C3FC9Z77F3 程序中使用它。 我使用此代碼將我的 model 轉換為 tflite（我在轉換過程中沒有任何錯誤）：

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)

然后我將 model 加載到 C++ 中並嘗試使用它，但是 output 與 myDB31 的 Z78E6221F639ZF41 網絡不匹配。 網絡的最后一層，在 python 中，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)

在 C++ 中加載的 model 的最后一層是：

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

我剛剛做了一個 for 循環解釋器->tensors_size()來列出圖層。 問題：

• interpreter->tensors_size()返回一個更大的數字，該數字因一個測試而異於另一個測試（大約 1300）。
• interpreter->outputs()[0]返回 Identity 的索引 (1235)。
• 我在 C++ 中有deconv_expand_dim和deconv層，但我沒有deconv_reduce_dim層。
• interpreter->tensor(outputIndex)->dims->size等於 0，這是有問題的，因為這是網絡的 output。 我是否在轉換過程中錯過了一個步驟？ 如何獲得有效的 output？

非常感謝任何幫助，謝謝。

Answer 1

我想我找到了它不起作用的原因。 正如您在最后一層中看到的那樣，我使用了運算符：

K.squeeze(x, axis=2)

似乎尚不支持指定的軸（“tf.squeeze - 只要未提供軸。”，上次訪問時間：2020 年 7 月 28 日， 鏈接）。

That is why I don't have the same output in C++ as in Python, Tensorflow Lite doesn't support my network for the moment.