将Mobilenet SSD转换为具有量化功能的TensorFlow Lite。

Question

我的目标很简单，我想。我想把一个预先训练好的mobilenetv2（或v1）ssd模型转换为TFLite，并进行量化和优化。这里. 但即使没有任何量化，我在将模型转换为TFLite模型时也出现了错误。

model = tf.saved_model.load(detection_model_dir)
concrete_func = model.signatures[tf.saved_model.DEFAULT_SERVING_SIGNATURE_DEF_KEY]
concrete_func.inputs[0].set_shape([1,300,300,3])
converter = tf.lite.TFLiteConverter.from_concrete_functions([concrete_func])
#converter = tf.compat.v1.lite.TFLiteConverter.from_saved_model(detection_model_dir, input_shapes={"image_tensor" : [1,300,300,3]})
tflite_model = converter.convert() 

错误信息。

2020-04-29 13:23:58.432192: I tensorflowlitetocoimport_tensorflow.cc:659] 。转换不支持的操作。TensorArrayWriteV3 2020-04-29 13:23:58.432342: I tensorflowlitetocoimport_tensorflow.cc:659] 。转换不支持的操作。TensorArrayWriteV3 2020-04-29 13:23:58.782402: I tensorflowlitetocograph_transformationsgraph_transformations.cc:39] 。删除未使用的操作符之前。4058个运算符，6882个数组（0个量化）2020-04-29 13:23:59.302999: I tensorflowlitetocograph_transformationsgraph_transformations.cc:39] 。删除未使用的操作通证1后：4005个操作符，6778个数组（0个量化）2020-04-29 13:23:59.925648: I tensorflowlitetocograph_transformationsgraph_transformations.cc:39] 。在一般图变换之前。4005个运算符，6778个数组（0个量化）2020-04-29 13:24:00.227644: F .\tensorflowlitetocotoco_tooling.h:38] 。检查失败：s.ok() 发现StridedSlice为Switch的非选择输出，但只支持Merge。一般不支持Switch和Merge这样的控制流操作。我们正在努力解决这个问题，请看Github问题，地址是 https:/github.comtensorflowtensorflowissues28485。. Fatal Python 错误。终止

我花了好几天时间将一个预先训练好的mobilenetv2 ssd模型转换为TFLite。我知道命令行(export_tflite_ssd_graph.py)的解决方案可以用于转换，但不能用于定性部分。我也想写python代码来做同样的事情并优化（压缩、量化）模型。我一直做不到。有什么建议吗？

我的问题可以总结为以下几点。

1. 如何使用类似上述代码块的python代码，将一个预先训练好的mobilenetv2（或v1）ssd模型转换为TFLite，并进行量化和优化。
2. 如何通过命令行（对象检测API和TFLite API（如果有的话））将预先训练好的mobilenetv2（或v1）ssd模型转换为带量化和优化的TFLite。

Answer 1

似乎在这个模型中有不支持的操作。

你可以找到预先训练好的 "COCO SSD MobileNet v1 "tflite模型。 此处