【问题标题】：How can I convert yolo weights to tflite file如何将 yolo 权重转换为 tflite 文件
【发布时间】：2020-05-04 04:21:10
【问题描述】：

我将在 android 中使用 yolo 权重，所以我打算将 yolo 权重文件转换为 tflite 文件。

我在 anaconda 提示符中使用此代码，因为我在 env 中下载了 keras 库。

activate env   
python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

终于成功了。将 Keras 模型保存到 model_data/yolo.h5

我将使用此代码将此 h5 文件转换为 jupyter notebook 中的tflite 文件。

model = tf.keras.models.load_model("./yolo/yolo.h5", compile=False)
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()
open("keras_model.tflite", "wb").write(tflite_model)

但是会出现这个错误。

ValueError                                Traceback (most recent call last)

<ipython-input-3-964a59978091> in <module>()

  1 model = tf.keras.models.load_model("./yolo/yolo.h5", compile=False)

  2 converter = tf.lite.TFLiteConverter.from_keras_model(model)

----> 3 tflite_model = converter.convert()

  4 open("keras_model.tflite", "wb").write(tflite_model)



~\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow_core\lite\python\lite.py in convert(self)

426         raise ValueError(

427             "None is only supported in the 1st dimension. Tensor '{0}' has "

--> 428             "invalid shape '{1}'.".format(_get_tensor_name(tensor), shape_list))

429       elif shape_list and shape_list[0] is None:

430         # Set the batch size to 1 if undefined.



ValueError: None is only supported in the 1st dimension. Tensor 'input_1' has invalid shape '[None, None, None, 3]'.

我该如何解决？

我们的模型总结是

型号：“model_1”

层（类型）输出形状参数#连接到

input_1 (InputLayer) [(无, 无, 无, 0

conv2d_1 (Conv2D)（无，无，无，3 864 input_1[0][0]

batch_normalization_1 (BatchNor (None, None, None, 3 128 conv2d_1[0][0])

leaky_re_lu_1 (LeakyReLU) (无, 无, 无, 3 0 batch_normalization_1[0][0]

zero_padding2d_1（ZeroPadding2D（无，无，无，3 0leaky_re_lu_1[0][0]）

conv2d_2 (Conv2D) (无, 无, 无, 6 18432 zero_padding2d_1[0][0]

batch_normalization_2 (BatchNor (None, None, None, 6 256 conv2d_2[0][0])

leaky_re_lu_2 (LeakyReLU) (无, 无, 无, 6 0 batch_normalization_2[0][0]

conv2d_3 (Conv2D)（无，无，无，3 2048leaky_re_lu_2[0][0]

。 . . .

batch_normalization_65（批号（无，无，无，5 2048 conv2d_66[0][0]）

batch_normalization_72（批号（无，无，无，2 1024 conv2d_74[0][0]）

leaky_re_lu_58（LeakyReLU）（无，无，无，1 0 batch_normalization_58[0][0]

leaky_re_lu_65 (LeakyReLU) (无, 无, 无, 5 0 batch_normalization_65[0][0]

leaky_re_lu_72 (LeakyReLU) (无，无，无，2 0 batch_normalization_72[0][0]

conv2d_59 (Conv2D)（无，无，无，2 261375leaky_re_lu_58[0][0]

conv2d_67（Conv2D）（无，无，无，2 130815leaky_re_lu_65[0][0]

conv2d_75 (Conv2D)（无，无，无，2 65535leaky_re_lu_72[0][0]

总参数：62,001,757 可训练参数：61,949,149 不可训练参数：52,608

【问题讨论】：

你能发布什么是输出model.summary()
在 tflite 中，batc_size 不接受任何人。因此，您需要提供输入图像的大小。

标签： python tensorflow keras tensorflow-lite yolo

【解决方案1】：

我看到您正在获取 Keras YOLO 模型的 H5 文件。对于 TFLite 模型，您需要一个具有明确输入形状的模型，例如 ( 256 , 256 , 3 )。此外，对于 H5 模型，您无法在模型保存后修改输入形状。所以，你可以采取这些措施，

转到模型及其层实例化的文件，在那里修改输入形状。使用该固定输入大小重新训练模型。
使用TFLite Object Detection API。这也有一个Android sample app。
使用提到的 DarkNet 训练模型 here。
如果您尝试检测 PASCAL 中存在的 20 个类之一，请使用此model。

【讨论】：

【解决方案2】：

我建议这样做：

将暗网权重 (.weights) 转换为 TensorFlow 冻结图格式 (.pb)。
将此.pb 文件转换为tflite。

这个过程比较简单。我已经记录了一些将 Darknet 转换为 TensorFlow 的 3-4 种方法。请找到他们here。

【讨论】：