tensorflow lite：将重新训练的图形模型转换为 lite 格式时出错答案

【问题标题】：tensorflow lite: error when converting retrained graph model to lite formattensorflow lite：将重新训练的图形模型转换为 lite 格式时出错
【发布时间】：2019-09-08 21:28:41
【问题描述】：

后续步骤

Step1- 克隆 git 存储库：

git clone https://github.com/googlecodelabs/tensorflow-for-poets-2

cd tensorflow-for-poets-2

Step2- 下载训练图像或收集自定义图像：

curl http://download.tensorflow.org/example_images/flower_photos.tgz \
    | tar xz -C tf_files

Step3- 设置图片大小和架构：

IMAGE_SIZE=224
ARCHITECTURE="mobilenet_0.50_${IMAGE_SIZE}"

Step4- 重新训练模型

python -m scripts.retrain \
  --bottleneck_dir=tf_files/bottlenecks \
  --model_dir=tf_files/models/"${ARCHITECTURE}" \
  --summaries_dir=tf_files/training_summaries/"${ARCHITECTURE}" \
  --output_graph=tf_files/retrained_graph.pb \
  --output_labels=tf_files/retrained_labels.txt \
  --architecture="${ARCHITECTURE}" \
  --image_dir=tf_files/flower_photos

Step5- 使用重新训练的模型检查分类图像

python -m scripts.label_image \
--graph=tf_files/retrained_graph.pb\ -- 
image=tf_files/flower_photos/daisy/3475870145_685a19116d.jpg

评估时间（1-image）：0.281s

雏菊 0.725841 蒲公英 0.200525 郁金香 0.0411526 玫瑰 0.0318613 向日葵 0.000619742

Step6：优化模型

IMAGE_SIZE=224
toco \
  --input_file=tf_files/retrained_graph.pb \
  --output_file=tf_files/optimized_graph.pb \
  --input_format=TENSORFLOW_GRAPHDEF \
  --output_format=TENSORFLOW_GRAPHDEF \
  --input_shape=1,${IMAGE_SIZE},${IMAGE_SIZE},3 \
  --input_array=input \
  --output_array=final_result

Step7-验证图像分类优化模型

python -m scripts.label_image \
--graph=tf_files/optimized_graph.pb \
--image=tf_files/flower_photos/daisy/3475870145_685a19116d.jpg

评估时间（1-image）：0.126s

雏菊 0.725845 蒲公英 0.200523 郁金香 0.0411517 玫瑰 0.031861 向日葵 0.00061973

Step8-将模型转换为TFlite格式

IMAGE_SIZE=224
toco \
  --input_file=tf_files/retrained_graph.pb \
  --output_file=tf_files/optimized_graph.lite \
  --input_format=TENSORFLOW_GRAPHDEF \
  --output_format=TFLITE \
  --input_shape=1,${IMAGE_SIZE},${IMAGE_SIZE},3 \
  --input_array=input \
  --output_array=final_result \
  --inference_type=FLOAT \
  --input_type=FLOAT

仍然遇到第 0 个输入应该有 602112 字节的问题，但找到了 150528 字节

请给出一个更好的解决方案来克服/实现这个问题来解决

【问题讨论】：

标签： python tensorflow deep-learning

【解决方案1】：

整个上午都在尝试这样做，使用 1.9 及更高版本（可能还有 1.8，尚未测试。）您需要删除 --input_format 字段，并将 --input_file 参数更改为 --graph_def_file

所以你最终会得到一个看起来有点像的命令：

toco \
  --graph_def_file=tf_files/retrained_graph.pb \
  --output_file=tf_files/optimized_graph.lite \
  --output_format=TFLITE \
  --input_shape=1,${IMAGE_SIZE},${IMAGE_SIZE},3 \
  --input_array=input \
  --output_array=final_result \
  --inference_type=FLOAT \
  --inference_input_type=FLOAT

然后我能够完成诗人示例，并让我的 tflite 文件在 android 上运行。

来源： https://github.com/googlecodelabs/tensorflow-for-poets-2/issues/68

【讨论】：

【解决方案2】：

我假设您正在尝试在 Tensorflow for Poets 附带的 android-app 中使用您的模型。如果是这种情况并且您在 Android Studio 中遇到此错误，您应该查看您的 ImageClassifier.java 文件。

我的猜测是您的静态最终 int DIM_IMG_SIZE_X 和静态最终 int DIM_IMG_SIZE_Y 与您的 IMG_SIZE 的值不同。如果将这两个值设置为 224，应该可以解决问题。

希望这会有所帮助！

【讨论】：