tensorflow/lite/core/subgraph.cc BytesRequired 溢出的元素数。节点号 1 (CONV_2D) 准备失败。 tflite答案

【问题标题】：tensorflow/lite/core/subgraph.cc BytesRequired number of elements overflowed. Node number 1 (CONV_2D) failed to prepare. tflitetensorflow/lite/core/subgraph.cc BytesRequired 溢出的元素数。节点号 1 (CONV_2D) 准备失败。 tflite
【发布时间】：2020-08-20 07:18:40
【问题描述】：

我正在尝试将 CNN 模型转换为 tflite 模型。我成功转换了它，但是当我尝试加载和运行模型时会发生此错误。我正在构建一个颤振应用程序。

它会初始化 Tensorflow Lite 运行时，但随后会引发此错误。

I/tflite  (27856): Initialized TensorFlow Lite runtime.
E/flutter (27856): [ERROR:flutter/lib/ui/ui_dart_state.cc(166)] Unhandled Exception: PlatformException(Failed to load model, Internal error: Unexpected failure when preparing tensor allocations: tensorflow/lite/core/subgraph.cc BytesRequired number of elements overflowed.
E/flutter (27856): 
E/flutter (27856): Node number 1 (CONV_2D) failed to prepare.

【问题讨论】：

标签： flutter tensorflow-lite

【解决方案1】：

我想我已经解决了问题。

花了几天时间试图解决这个问题。我发现我用来转换的模型是一个 ImagNet 预训练模型，即 InceptionV3。问题可能是有些层无法转换。

我使用了以下，它们工作得很好。

MobileNet 和 MobileNetV2。
NasNet 移动版。
或者，如果您不熟悉深度学习并且不想训练或跳过深度学习部分，您可以使用 Teachable Machine，然后轻松转换。

希望对大家有帮助！！谢谢

【讨论】：

【解决方案2】：

过去几天我遇到了完全相同的问题。我试图在 Android 上加载和运行一个 tflite 模型。我终于想出了如何解决这个问题。

我正在使用以下方法创建模型：

model = Xception(include_top=False)

这里的重要部分是include_top=False，以及默认参数input_shape=None。

如果您查看 Xception、Inception、MobileNet 或其他任何东西的源代码（您可以找到 here），您会在创建它们调用的第一层之前的某个时刻看到这一点

input_shape = imagenet_utils.obtain_input_shape(
    input_shape,
    default_size=<default_size>,
    min_size=<min_size>,
    data_format=backend.image_data_format(),
    require_flatten=include_top,
    weights=weights)

实现here，对我们来说最重要的部分是：

if input_shape:
    ...
else:
    if require_flatten:
        input_shape = default_shape
    else:
        if data_format == 'channels_first':
            input_shape = (3, None, None)
        else:
            input_shape = (None, None, 3)

因此，如果我没记错的话，当我们将include_top 设置为False 时，我们最终会得到未定义的行数和列数，而不是获得默认形状。我不确定这是如何转换为 tflite 的，虽然在转换过程中没有引发错误，但似乎 Android 无法使用它（可能这相当于设置无限图像大小）。因此初始化解释器时出现此错误：

BytesRequired 溢出的元素数

当我在构造函数中设置正确的input_shape 参数时，即

model = Xception(include_top=False, weights=None, input_shape=(rows, cols, channels))

然后转换后的模型在 Android 上运行良好。

至于为什么它在相同情况下使用 MobileNetV2 正确初始化，即通过这样创建模型：

model = MobileNetV2(include_top=False)

我无法解释...

希望这可以回答您最初的问题。

【讨论】：

【解决方案3】：

事实上，这是在文档中指定的，例如在Xception：

 input_shape: optional shape tuple, only to be specified
   if `include_top` is False (otherwise the input shape
   has to be `(299, 299, 3)`.
   It should have exactly 3 inputs channels,
   and width and height should be no smaller than 71.
   E.g. `(150, 150, 3)` would be one valid value.

而对于MobileNetV2：

 input_shape: Optional shape tuple, to be specified if you would
   like to use a model with an input image resolution that is not
   (224, 224, 3).
   It should have exactly 3 inputs channels (224, 224, 3).
   You can also omit this option if you would like
   to infer input_shape from an input_tensor.
   If you choose to include both input_tensor and input_shape then
   input_shape will be used if they match, if the shapes
   do not match then we will throw an error.
   E.g. `(160, 160, 3)` would be one valid value.

虽然不是很清楚。

【讨论】：