我想基于经过重新训练的ssd_mobilenet模型（类似于youtube上的那个家伙）创建一个对象检测应用。
我ssd_mobilenet_v2_coco从Tensorflow Model Zoo中选择了模型。在重新训练过程之后，我得到了具有以下结构的模型：
- saved_model
- variables (empty folder)
- saved_model.pb
- checkpoint
- frozen_inverence_graph.pb
- model.ckpt.data-00000-of-00001
- model.ckpt.index
- model.ckpt.meta
- pipeline.config
在同一文件夹中，我具有带有以下代码的python脚本：
import tensorflow as tf
converter = tf.lite.TFLiteConverter.from_saved_model("saved_model")
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)
运行此代码后，出现以下错误：
ValueError: None is only supported in the 1st dimension. Tensor 'image_tensor' has invalid shape '[None, None, None, 3]'.
似乎模型中缺少图像宽度和高度。当我使用youtube视频中的模型时，它正在工作。
经过大量的研究和尝试，我尝试了其他方法，例如运行bazel / toco，但是没有任何帮助我创建tflite文件。
如文档中所述，您可以在中传递不同的参数tf.lite.TFLiteConverter.from_saved_model。
对于更复杂的SavedModels，可以传入的可选参数
TFLiteConverter.from_saved_model()是input_arrays, input_shapes, output_arrays, tag_set and signature_key。可通过运行获得每个参数的详细信息help(tf.lite.TFLiteConverter)。
您可以按照此处所述传递此信息。您需要提供输入张量名称及其形状，还需要输出张量名称及其形状。对于ssd_mobilenet_v2_coco，您需要定义使用网络的输入形状，如下所示：
tf.lite.TFLiteConverter.from_saved_model("saved_model", input_shapes={"image_tensor" : [1,300,300,3]})
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句