TFLITE的张力流模型

Question

我有这个代码，用于使用tenorflow hub的预训练通用编码器构建语义搜索引擎。我无法转换为tlite。我已将模型保存到我的目录中。

导入模型：

module_path ="/content/drive/My Drive/4"
%time model = hub.load(module_path)
#print ("module %s loaded" % module_url)

#Create function for using modeltraining
def embed(input):
    return model(input)

根据数据训练模型:

## training the model
Model_USE= embed(data)

保存模型:

exported = tf.train.Checkpoint(v=tf.Variable(Model_USE))
exported.f = tf.function(
    lambda  x: exported.v * x,
    input_signature=[tf.TensorSpec(shape=None, dtype=tf.float32)])
export_dir = "/content/drive/My Drive/"
tf.saved_model.save(exported,export_dir)

保存工作正常，但当我转换到tflite它给出错误。

转换码：

converter = tf.lite.TFLiteConverter.from_saved_model(export_dir)
converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS,
                                       tf.lite.OpsSet.SELECT_TF_OPS]
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)

错误:

as_list() is not defined on an unknown TensorShape.

Answer 1

首先，您应该需要添加一个数据生成器以具有转换器的代表性输入。就像这样：

def representative_data_gen():
  for input_value in dataset.take(100):
    yield [input_value]

输入值的形状必须为 >，就像它的批处理形状为1一样。它必须以列表形式生成；强制性的

您还应该声明需要哪种类型的优化，例如：

converter.optimizations = [tf.lite.Optimize.OPTIMIZE_FOR_SIZE]

尽管如此，我也遇到了根据网络结构选择不同转换器的问题，在这种情况下我不知道。因此，要使转换器干净运行，我只需：

converter = lite.TFLiteConverter.from_keras_model(model)
converter.experimental_new_converter = True
converter.optimizations = [lite.Optimize.DEFAULT]
tfmodel = converter.convert()

converter.experimental_new_converter=True用于转换RNN时的问题，如https://github.com/tensorflow/tensorflow/issues/34813

编辑：

如下所述：ValueError:只有第1维度支持无。Tensor“flatbuffer_data”的形状“[None，None，1，512]”无效。TFLite只允许数据的第一个维度为None，即批。所有其他尺寸必须固定。例如，尝试用tf.keras.preprocessing.sequence.pad_sequences填充它们。

然后，按照< code > tensor flow . org/guide/keras/Masking _ and _ padding 中所述，使用< code >嵌入或< code >屏蔽层屏蔽网络中的序列。