EDGE_TPU COMPILER ERROR: 没有为自定义YOLO的内置操作码'RESIZE_NEAREST_NEIGHBOR'版本'3'找到操作码。

Question

我在暗网上重新训练了我的模型，并使用了 https:/github.comqqwweeekeras-yolo3 来将我的暗网权重转换为h5。

我用tf-nightly把relu换成了leaky relu，以达到量化的目的，然后我的模型已经被成功转换为tflite模型。

但是，我不能通过调整最近邻接误差来解析模型到edgetpu。https:/coral.aidocsedgetpumodels-intro#supported-operations。那么，为什么会发生这个错误呢，有什么办法可以解决吗？

这是我的tflite转换代码。

import tensorflow as tf
import numpy as np
import sys

def representative_dataset_gen():
    for _ in range(250):
        yield [np.random.uniform(0.0, 1.0, size=(1, 416, 416, 3)).astype(np.float32)]

if len(sys.argv) != 3:
    print(f"Usage: {sys.argv[0]} <keras-model> <output-filename>")
    sys.exit(1)

model_fn = sys.argv[1]
out_fn = sys.argv[2]

# Convert and apply full integer quantization
converter = tf.compat.v1.lite.TFLiteConverter.from_keras_model_file(model_fn)
converter.optimizations = [tf.lite.Optimize.DEFAULT]
converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS_INT8,
                                       tf.lite.OpsSet.SELECT_TF_OPS]
#converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS_INT8]
# Set inputs and outputs of network to 8-bit unsigned integer
converter.inference_input_type = tf.uint8
converter.inference_output_type = tf.uint8
converter.representative_dataset = representative_dataset_gen
tflite_model = converter.convert()

open(sys.argv[2], "wb").write(tflite_model)

ERROR

Answer 1

我是珊瑚团队的，我打算自己研究yolov3模型，只是还没有带宽去做:) 下面是我收集到的一些提示。

• 用户在改变了yolov3模型的配置文件后 leaky_relu 到 relu虽然准确性可能会降低。我知道你已经提过了，但我想把这个放在列表中，供其他用户参考。

• 其次，我怀疑你使用的是 tf-nightly 或一些较新的tf版本的转换？如果是这样，我建议降级到也许是tf2.2，一些新版本的同样的操作还不被编译器支持。

• 尝试关闭 MLIR 转换器也，发布了版本的 edgetpu_compiler 不合时宜 MLIR

lmk如果你发现了一些成功，会喜欢给这个镜头也！fyi：我得到了yolov4转换，但建筑师只允许1962 Ops运行在edgegetpu上，所以它是一个无赖没有去。