尝试使用 toco 转换 TF 模型时出错答案

【问题标题】：Error when attempting to convert TF model using toco尝试使用 toco 转换 TF 模型时出错
【发布时间】：2018-04-29 23:03:27
【问题描述】：

我有一个 TF 模型，我需要将其转换为 int8 以便在嵌入式设备中实现。我正在尝试使用 toco 对其进行转换，但我无法确定如何使用输入参数正确实例化 toco：

<USER>:~/.local/bin$ python3 toco \
>   --input_file=<PATH>/frozen_graph.pb \
>   --output_file=<PATH>/tflite_graph.tflite \
>   --input_format=TENSORFLOW_GRAPHDEF \
>   --output_format=TFLITE \
>   --inference_type=QUANTIZED_UINT8 \
>   --output_arrays=Sidmoid \
>   --input_arrays=IteratorGetNext \
>   --input_shapes=1:16:16:1 \
>   --mean_values=128 \
>   --std_values=127
WARNING:tensorflow:From <USER>.local/lib/python3.5/site-packages/tensorflow/contrib/learn/python/learn/datasets/base.py:198: retry (from tensorflow.contrib.learn.python.learn.datasets.base) is deprecated and will be removed in a future version.
Instructions for updating:
Use the retry module or similar alternatives.
2018-04-27 11:40:33.699249: F tensorflow/contrib/lite/toco/model_cmdline_flags.cc:240] Check failed: mean_values.size() == model_flags->input_arrays_size() 
Aborted (core dumped)

我了解mean_values 输入 arg 存在问题，但我不了解以下各项的预期用途：

--mean_values="" string mean_values parameter for image models, comma-separated list of doubles, used to compute input activations from input pixel data. Each entry in the list should match an entry in --input_arrays.

我也尝试过",128,128,"，因为我的解释是您不希望批量大小/通道暗淡的平均值，但文档说它需要列表中每个输入的输入应该匹配input_arrays 中的元素。

我也不确定为 input_arrays arg 放置什么，因为我看到的大多数代码示例都只使用 input，但对我来说，您似乎需要图中节点的名称。

我想我在这里误解了一些东西，但我似乎无法弄清楚。任何帮助将不胜感激！

【问题讨论】：

标签： python tensorflow tensorflow-lite

【解决方案1】：

对于任何想知道的人来说，让我有点困惑的是文档：它说“Input_shapes”是一个字符串“对应于--input_arrays的形状，冒号分隔......”但是尺寸仍然应该用逗号分隔：

bazel-bin/third_party/tensorflow/contrib/lite/toco/toco \
  --input_file=<my_path>/frozen_eval_graph.pb \
  --output_file=<my_path>/tflite_graph.tflite \
  --input_format=TENSORFLOW_GRAPHDEF \
  --output_format=TFLITE \
  --inference_type=QUANTIZED_UINT8 \
  --output_arrays=Sigmoid \
  --input_arrays=Reshape \
  --input_shapes=1,16,16,1 \
  --mean_values=128 \
  --std_values=127 \
  --variable_batch=true

【讨论】：