我试图做一个量化的mobilenet模型到tensorflow lite模型，但遇到了一个错误

Question

首先，我从Mobilenet下载了一个量化模型。它包含在Mobilenet_v1_1.0_224中。然后我做了下面的事情

bazel-bin/tensorflow/contrib/lite/toco/toco \
> --input_files=Sample/mobilenet_v1_1.0_224/quantized_graph.pb \
> --input_format=TENSORFLOW_GRAPHDEF --output_format=TFLITE \
> --output_file=Sample/mobilenet_v1_1.0_224/quantized_graph.tflite --inference_type=QUANTIZED_UINT8 \
> --input_shape=1,224,224,3 \
> --input_array=input \
> --output_array=MobilenetV1/Predictions/Reshape_1 \
> --mean_value=128 \
> --std_value=127

以下是图表的摘要

bazel-bin/tensorflow/tools/graph_transforms/summarize_graph --in_graph=Sample/mobilenet_v1_1.0_224/quantized_graph.pb
Found 1 possible inputs: (name=input, type=float(1), shape=[1,224,224,3]) 
No variables spotted.
Found 1 possible outputs: (name=MobilenetV1/Predictions/Reshape_1, op=Reshape) 
Found 4227041 (4.23M) const parameters, 0 (0) variable parameters, and 0 control_edges
Op types used: 91 Const, 27 Add, 27 Relu6, 15 Conv2D, 13 DepthwiseConv2dNative, 13 Mul, 10 Dequantize, 2 Reshape, 1 Identity, 1 Placeholder, 1 BiasAdd, 1 AvgPool, 1 Softmax, 1 Squeeze
To use with tensorflow/tools/benchmark:benchmark_model try these arguments:
bazel run tensorflow/tools/benchmark:benchmark_model -- --graph=Sample/mobilenet_v1_1.0_224/quantized_graph.pb --show_flops --input_layer=input --input_layer_type=float --input_layer_shape=1,224,224,3 --output_layer=MobilenetV1/Predictions/Reshape_1

因此，通过进行转换，我遇到了以下错误

2018-03-01 23:12:03.353786:I tensorflow/contrib/lite/toco/import_tensorflow。cc:1172]转换不支持的操作：反量化2018-03-01 23:12:03.354513:I tensorflow/contrib/lite/toco/import_tensorflow。cc:1172]转换不支持的操作：反量化2018-03-01 23:12:03.355177:I tensorflow/contrib/lite/toco/import_tensorflow。cc:1172]转换不支持的操作：反量化2018-03-01 23:12:03.35556:I tensorflow/contrib/lite/toco/import_tensorflow。cc:1172]转换不支持的操作：反量化2018-03-01 23:12:03.355921:I tensorflow/contrib/lite/toco/import_tensorflow。cc:1172]转换不支持的操作：反量化2018-03-01 23:12:03.356281:I tensorflow/contrib/lite/toco/import_tensorflow。cc:1172]转换不支持的操作：反量化2018-03-01 23:12:03.356632:I tensorflow/contrib/lite/toco/import_tensorflow。cc:1172]转换不支持的操作：反量化2018-03-01 23:12:03.357540:I tensorflow/contrib/lite/toco/import_tensorflow。cc:1172]转换不支持的操作：反量化2018-03-01 23:12:03.358776:I tensorflow/contrib/lite/toco/import_tensorflow。cc:1172]转换不支持的操作：反量化2018-03-01 23:12:03.360448:I tensorflow/contrib/lite/toco/import_tensorflow。cc:1172]转换不支持的操作：去量化2018-03-01 23:12:03.366319:I tensorflow/contrib/lite/toco/graph_转换/graph_转换。cc:39]删除未使用的ops之前：140个运算符，232个数组（0量化）2018-03-01 23:12:03.371405:I tensorflow/contrib/lite/toco/graph_变换/graph_变换。cc:39]一般图形转换之前：140个运算符，232个数组（0量化）2018-03-01 23:12:03.374916:I tensorflow/contrib/lite/toco/graph_转换/graph_转换。cc:39]一般图变换通过1:63运算符后，152个数组（1个量化）2018-03-01 23:12:03.376325:I tensorflow/contrib/lite/toco/graph_变换/graph_变换。cc:39]在预量化图形转换之前：63个操作符，152个数组（1个量化）2018-03-01 23:12:03.377492:F tensorflow/contrib/lite/toco/tooling_util。cc:1272]Array MobilenetV1/MobilenetV1/Conv2d_0/Relu6缺少量化所需的最小/最大数据，该数组是产生输出数组MobilenetV1/MobilenetV1/Conv2d_1_depthwise/Relu6的DepthwiseConv运算符的输入。以非量化输出格式为目标，或者更改输入图形以包含最小/最大信息，或者传递--default\u ranges\u min=和--default\u ranges\u max=如果您不关心结果的准确性。

谢谢你的帮助

Answer 1

我想你可能指的是一个旧的TensorFlow量化mobilenet模型。

我们已经更新了这里可用的量化mobilenet模型。深度倍增器1.0和图像大小224的具体链接如下。

这些tar文件还附带已经转换的tfliteflatbuffer模型。

我希望这有帮助！