Keras Upsampling2d -> tflite 转换导致形状推断失败和未定义的输出形状答案

【问题标题】：Keras Upsampling2d -> tflite conversion results in failing shape inference and undefined output shapeKeras Upsampling2d -> tflite 转换导致形状推断失败和未定义的输出形状
【发布时间】：2023-04-04 20:00:02
【问题描述】：

Keras Upsampling2d 操作通过附加操作和未定义形状转换为 this

然而，Tensorflow 在没有此操作的情况下会以正确的形状进行转换

这会导致未定义的整体模型输出形状，并导致设备出现错误。如何解决这个问题？

【问题讨论】：

标签： tensorflow keras tensorflow-lite

【解决方案1】：

这里描述了这种行为https://github.com/tensorflow/tensorflow/issues/45090

Keras 默认将动态批量大小设置为 true。这意味着模型输入形状是 [*,28,28] 而不是 [1,28,28]。旧的（已弃用）转换器用于忽略动态批处理并将其覆盖为 1 - 这是错误的，因为这不是原始模型所具有的 - 您可以想象当您尝试在运行时调整输入大小时会有多糟糕。

当前转换器可以正确处理动态批量大小，并且生成的模型可以在运行时正确调整大小。这就是为什么“Shape、StridedSlice、Pack”的顺序不是恒定折叠的原因，因为形状取决于运行时定义的形状。

对于单输入模型，这可以通过在保存之前为 keras 模型设置恒定形状来修复

model.input.set_shape(1 + model.input.shape[1:])

【讨论】：