ValueError：输入和过滤器形状在 Conv2D 节点中必须是 int 或 symbolic

Question

我正在尝试使用tfcoreml（使用下面的脚本）将我的 .pb 文件转换为 CoreML 模型，但出现此错误：ValueError: Input and filter shapes must be int or symbolic in Conv2D node detector/darknet-53/Conv/Conv2D。我将如何解决此错误并将我的模型成功转换为 CoreML？

我用 Netron 打开了我的 .pb 模型，发现了有问题的层：

这是我正在使用的转换脚本：

import tfcoreml

tfcoreml.convert(tf_model_path='model.pb',
                 mlmodel_path='model.mlmodel',
                 output_feature_names=['output_boxes'],  # name of the output op
                 input_name_shape_dict={'inputs': [None, 416, 416, 3]},  # map from the placeholder op in the graph to shape (can have -1s)
                 minimum_ios_deployment_target='13')

据我所知，在我看来，我需要更改所有 Conv2D 节点的输入类型才能使其正常工作。但我无论如何都不是专家，所以我可能是错的。有没有办法可以修复这个模型，通过使用 Python 脚本成功转换，如果可以，它会是什么样子？

编辑： 更改input_name_shape_dict 中的None 后，我得到了一个不同的错误。这个说：ValueError: Incompatible dimension 3 in Sub operation detector/darknet-53/Conv/BatchNorm/FusedBatchNorm/Sub。所以我再次打开Netron我看了看。这是我得到的，知道如何解决它吗？

似乎脚本通过了上一个错误只是为了卡在下一层。我的 .pb 是完全没用还是只需要在某些地方修复？

Answer 1

在input_name_shape_dict 中尝试用 1 代替 None。