无法将冻结推理图转换为 .tflite

Question

总的来说，我是对象检测 API 和 TensorFlow 的新手。我遵循this 教程，最后我生成了frozen_inference_graph.pb。我想在我的手机上运行这个对象检测模型，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）。

当我在这里尝试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 1 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，经过很多线程的搜索，我试图给代码额外的参数：

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)

这个开始工作，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”的实际数据类型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的数据类型是 uint8，我猜这会导致不匹配。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模型）。如果是，我该如何修复错误？ ：/

非常感谢。

Answer 1

将您的模型输入（image_tensor 占位符）更改为数据类型为 tf.float32。