Tensorflow 对象检测 - 将 .pb 文件转换为 tflite

Question

我尝试将冻结的 SSD mobilenet v2 模型转换为 TFLITE 格式以供 Android 使用。这是我所有的步骤：

1. 我使用来自模型动物园的ssd_mobilenet_v2_coco_2018_03_29模型使用TF Object Detection API的 train.py 文件重新训练。（好的）

2. 使用同样由 TF Object Detection API 提供的export_inference_graph.py将训练好的 model.ckpt 导出到冻结的模型文件。（好的）

3. 使用 GPU 测试 Python 中的冻结图，并且仅允许使用 CPU。有用。（好的）

缺点是，我尝试使用以下代码：

import tensorflow as tf

tf.enable_eager_execution()

saved_model_dir = 'inference_graph/saved_model/'

converter = tf.contrib.lite.TFLiteConverter.from_saved_model(saved_model_dir,input_arrays=input_arrays,output_arrays=output_arrays,input_shapes={"image_tensor": [1, 832, 832, 3]})

converter.post_training_quantize = True

首先，我尝试不向函数添加输入形状参数，但没有奏效。从那时起我读到你可以在那里写任何无关紧要的东西。

直到这一行的输出：

INFO:tensorflow:Saver not created because there are no variables in the graph to restore

INFO:tensorflow:The specified SavedModel has no variables; no checkpoints were restored.

INFO:tensorflow:The given SavedModel MetaGraphDef contains SignatureDefs with the following keys: {'serving_default'}

INFO:tensorflow:input tensors info: 

INFO:tensorflow:Tensor's key in saved_model's tensor_map: inputs

INFO:tensorflow: tensor name: image_tensor:0, shape: (-1, -1, -1, 3), type: DT_UINT8

INFO:tensorflow:output tensors info: 

INFO:tensorflow:Tensor's key in saved_model's tensor_map: num_detections

INFO:tensorflow: tensor name: num_detections:0, shape: (-1), type: DT_FLOAT

INFO:tensorflow:Tensor's key in saved_model's tensor_map: detection_boxes

INFO:tensorflow: tensor name: detection_boxes:0, shape: (-1, 100, 4), type: DT_FLOAT

INFO:tensorflow:Tensor's key in saved_model's tensor_map: detection_scores

我无法在此处复制控制台输出，因此它超过了 30000 个字符的限制，但您可以在这里看到它：https : //pastebin.com/UyT2x2Vk

请在这一点上提供帮助，我该怎么做才能使其正常工作:(

我的配置：Ubuntu 16.04，Tensorflow-GPU 1.12

Answer 1

上周遇到了同样的问题，按照这里描述的步骤解决了。基本上问题在于他们的主要脚本不支持 SSD 模型。我不是bazel用来做这个的，而是tflite_convert实用的。小心使用export_tflite_ssd_graph.py脚本，在使用它之前阅读它的所有选项（主要是救了我一命的 --max_detections）。希望这可以帮助。编辑：您的第 2 步无效。如果 save_model 包含 SSD，则无法将其转换为 tflite 模型。您需要使用export_tflite_ssd_graph.py脚本导出经过训练的 model.ckpt并使用.pb创建的文件使用tflite_convert工具将其转换为 tflite 。