转换后 TFLite 模型中缺少层答案

【问题标题】：Missing layer in TFLite model after conversion转换后 TFLite 模型中缺少层
【发布时间】：2020-07-23 10:49:51
【问题描述】：

所以我使用 tensorflow 和 python 训练了一个模型，现在我尝试在 C++ 程序中使用它。我使用此代码将我的模型转换为 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)

然后我在 C++ 中加载模型并尝试使用它，但输出与我的网络的输出不匹配。在 python 中，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)

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

我刚刚对 interpreter->tensors_size() 做了一个 for 循环来列出图层。问题：

interpreter->tensors_size() 返回一个更大的数字，该数字因一个测试而异于另一个测试（大约 1300）。
interpreter->outputs()[0] 返回 Identity 的索引 (1235)。
在 C++ 中，我有层 deconv_expand_dim 和 deconv，但我没有层 deconv_reduce_dim。
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？

非常感谢任何帮助，谢谢。

【问题讨论】：

标签： python c++ tensorflow tensorflow-lite

【解决方案1】：

我想我找到了它不起作用的原因。正如您在最后一层中看到的那样，我使用了运算符：

K.squeeze(x, axis=2)

似乎尚不支持指定轴（“tf.squeeze - 只要未提供轴。”，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，Tensorflow Lite 暂时不支持我的网络。

【讨论】：