tflite SSD-MobileNet_V2无法设置张量：维度不匹配。得到320，但输入0的维度1应为1

Question

有谁能这么好心给我一些帮助吗？

作为目标检测的初学者，我试图用tflite做一些实验。我从Tensorflow网站下载了tflite模式ssd_mobilenet_v2_fpn_100/fp32的示例模型

https://tfhub . dev/iree/lite-model/SSD _ mobilenet _ v2 _ fpn _ 100/fp32/default/1

然后我运行我的代码，如下所示

解释tflite.Interpreter（model_path='lite-
model_ssd_mobilenet_v2_fpn_100_fp32_default_1.tflite'）
interpreter.allocate_tensors（）

input_details=interpreter.get_input_details（）output_details=interpreter.get_output_details（）img=Image.open（'table.jpeg'）img=img.resize（（320,320））

input_data = （np.浮子32（异地磁） - 127.5） / 127.5 input_data = np.expand_dims（异位磁共振，轴=0）.

然后得到一个形状为（1320320,3）的输入张量。然后在向模型馈送时出现问题

interpreter.set_tensor（input_data input_details[0][索引]]

然后我得到了下面的消息

（）中的ValueError Traceback（最近的调用）

----

set_tensor中的/usr/local/lib/python3.7/dist-packages/tflite_runtime/interpreter.py（自，tensor_index，值）695 ValueError：如果解释器无法设置张量。696 """ --

值错误： 无法设置张量： 维度不匹配。得到 320，但对于输入 0 的维度 1，预期为 1。

所以这意味着输入张量违反了一些规则。

然后我通过以下方式检查输入详细信息

input_details

然后我发现输入数组的形状是为形状（1,1,1,3）定义的

[{'dtype'： numpy.float32， “索引”： 0， “名称”： “normalized_input_image_tensor”， “量化”： （0.0， 0），
“quantization_parameters”： {'quantized_dimension'： 0， 'scales'： 数组（[]， dtype=float32）， 'zero_points'： 数组（[]， dtype=int32）}，
'shape'： 数组（[1， 1， 1， 3]， dtype=int32）， “shape_signature”： 数组（[ 1， -1， -1， 3]， dtype=int32）， 'sparsity_parameters'： {}}]

但是当我在Tensorflow网站上查看模型的描述时

normalized_input_image_tensor：一个uint8形状数组[batch，height，width，channels]，其中batch=1，channels=3，高度和宽度可以是任意大小。值应规范化为[-1，1]。

所以基本上对维度1和维度2的形状或输入张量没有要求。

我应该如何解决这个问题？

我尝试了已经为（1,320,320,3）定义的模型。至少它可以正常运行。

非常感谢你的帮助！

当做

悬崖

Answer 1

由于模型使用可变大小，因此需要使用方法resize_tensensor_input（）显式设置输入大小。