【发布时间】：2020-02-25 05:12:32
【问题描述】：
我正在使用 TensorflowLite C++API 在 android 上开发对象检测应用程序。当我将ssd_mobilenet_v2_coco_2018_03_29 模型转换为 tflite 时，转换后的 tflite 模型的输出与相同测试图像上最初提供的 .pb 文件的输出不同。
将 .pb 文件转换为 .tflite
终端命令（我使用this link 寻求帮助。）：
python3 object_detection/export_tflite_ssd_graph.py --pipeline_config_path=/content/ssd_mobilenet_v2_coco_2018_03_29/pipeline.config --trained_checkpoint_prefix=/content/ssd_mobilenet_v2_coco_2018_03_29/model.ckpt --output_directory=/tmp/tflite_graph --add_postprocessing_op=true
以上命令报错：
google.protobuf.text_format.ParseError: 109:7 : 消息类型 “object_detection.protos.SsdFeatureExtractor”没有名为的字段 “batch_norm_trainable”
按照here 建议的步骤后，错误已解决。我从“pipeline.config”文件中注释掉了“batch_norm_trainable”标签。
但是，转换后的 tflite 模型的检测输出与原始提供的 .pb 文件不同。如何将 .pb 文件转换为 .tflite 以便 .tflite 文件提供正确的输出？
输出图像：
- 使用 .pb（和 .pbtxt）文件：pb_output_image1 pb_output_image2
- 使用转换后的 .tflite 文件：tflite_output_image1 tflite_output_image2
使用的版本：
- 操作系统：Ubuntu 18.04
- 设备：QUALCOMM MSM8996 for arm64（开发板）（Android 9），摩托罗拉一电（Android 10）
- TensorFlow版本（安装在Ubuntu上，用于转换）：1.15
- TensorFlow 版本（适用于 Android 设备中使用的 tflite，从源代码构建）：2.1.0
- Python 版本：3.6.9
- Bazel 版本：2.0.0
- GCC/编译器版本：8.3.0
任何帮助/指导将不胜感激。
干杯:)
【问题讨论】：
标签： c++ android-ndk tensorflow-lite