将 .pb 转换为 .tflite 时反量化的自定义实现

Question

我正在尝试使用 toco 将 tensorflow lite 量化 .pb 文件转换为 .lite。创建 .pb 文件的命令是：
retrain.py 是 here and here.

python retrain.py \
--bottleneck_dir=/mobilenet_q/bottlenecks \
--how_many_training_steps=4000 \
--output_graph=/mobilenet_q/retrained_graph_mobilenet_q_1_224.pb \
--output_labels=/mobilenet_q/retrained_labels_mobilenet_q_1_224.txt \
--image_dir=/data \
--architecture=mobilenet_1.0_224_quantized

当我尝试使用 toco 命令将 .pb 文件转换为 .tflite 时：

bazel run --config=opt //tensorflow/contrib/lite/toco:toco \
  -- --input_file= retrained_graph_mobilenet_q_1_224.pb \
  --output_file= retrained_graph_mobilenet_q_1_224.lite \
  --input_format=TENSORFLOW_GRAPHDEF \
  --output_format=TFLITE \
  --input_shape=1,224,224,3 \
  --input_array=input \
  --output_array=final_result \
  --inference_type=FLOAT \
  --input_data_type=FLOAT

我遇到错误： Some of the operators in the model are not supported by the standard TensorFlow Lite runtime. If you have a custom implementation for them you can disable this error with --allow_custom_ops, or by setting allow_custom_ops=True when calling tf.contrib.lite.toco_convert(). Here is a list of operators for which you will need custom implementations: Dequantize.

我在 github 和 Whosebug 中搜索过，但没有找到满意的答案。

Answer 1

讨论和解决方案是here。

将 .pb 转换为 .tflite 时反量化的自定义实现

Custom implementation for Dequantize when converting .pb to .tflite

python

android

tensorflow

convolutional-neural-network