我用这个step-by-step tutorial训练了一个对象检测模型，它检测一个类：person。它也很好用，找到各种形状和大小的人，不再把我的画架标记为person。与我在某个地方找到的一些普通的python tf推理运行器配合得很好。
现在我想在我的手机上使用它。所以我使用默认的model converter tutorial来做这件事，只是为了意识到显然在我的模型中有一个叫做“StridedSlice”的操作符不能转换为tflite，所以我使用select tensorflow model operators tutorial来转换它，包括这个操作符，并将所需的库添加到应用程序中，这基本上是默认的示例应用程序，带有检测.tflite：
implementation 'org.tensorflow:tensorflow-lite-select-tf-ops:2.8.0'字符串
我尝试了detect.tflite，以确保这不会破坏任何东西，它仍然像一个魅力。
问题是：在tflite看来，我的模型现在需要一个[1，1，1，3]Tensor作为输入，这一点得到了Netron的证实（这要归功于Alex K.的answer）：
的数据
因此，似乎确实由于某种原因，我的模型接受了一个[1，1，1，3]输入Tensor，并提供了几个输出Tensor，这些Tensor的形状我不理解，遗憾的是没有任何关于输出含义的描述。此外，我不能强制它做任何事情，相反，它崩溃了，正如正确的静态类型语言所期望的那样：
Cannot copy to a TensorFlowLite tensor (serving_default_input_tensor:0) with 3 bytes from a Java Buffer with 1228800 bytes.型
因为当然我的缓冲区的大小不是（1 * 1 * 1 * 3），因为这没有任何意义。相反，我的缓冲区使用640的输入大小，但不是因为我确定这是正确的大小，而是因为我猜到了，而且我的pipeline.config也有这个。
image_resizer {
fixed_shape_resizer {
height: 640
width: 640
}
}型
但是由于某些原因，当使用普通的python tf推理运行器时，我可以把任何图像都扔进去（同样的脚本在我笔记本电脑的集成摄像头和realsense 3d cam上都能工作，当然笔记本电脑的分辨率很差）。
我哪里做错了？转换到tflite，它显然丢失了有关输入的信息？在应用程序中的使用，也许我必须告诉它不要听所谓的[1，1，1，3]输入形状？完全在其他地方？
1条答案
按热度按时间cld4siwp1#
我也是在遵循分步教程的过程中遇到这个问题的。经过调查，我设法将输入改为[1，320，320，4]。
要解决此问题，在分步教程的导出步骤中，您必须将代码从以下位置更改为：
字符串
致：
型
注意：* export_tflite_graph_tf2位于tensorflow\models\research\object_detection中 *
之后，您可以导出此保存的模型。
你可以使用下面的python脚本来验证保存的模型输入：
型