如何调试TFlite转换？

Question

我试图使用tensorflow lite-toco转换器来获得tflite图。我使用toco命令行来获取tflite图。在转换过程中，我没有收到任何错误，但是，我的转换似乎包含垃圾（输出为nans）。我想知道如何调试这个转换。

我做以下步骤：

>

加载. ckpt文件并转换为frozen_graph：

使用g.as_default（），g.device（device_t），\tf。Session（config=soft\u config）作为sess:batch\u shape=（batch\u size，）img\u shape img\u占位符=tf。占位符（tf.float32，shape=batch\u shape，name='img\u占位符'）

preds = transform(img_placeholder)

saver = tf.train.Saver()
saver.restore(sess, checkpoint_dir)
frozen_graph_def = tf.graph_util.convert_variables_to_constants(sess,sess.graph_def,['transformer/up-sample/mul'])
with open('frozeen_graph.pb', 'wb') as f:
    f.write(frozen_graph_def.SerializeToString())

Quastion：上面的代码是eqevatent的脚本的用法tenstorflow/python/工具/freeze_graph.py？

当我使用上面的代码时，我也通过laoding冻结图来检查冻结，并通过它传递输入图像，输出看起来不错。所以冷冻似乎起作用了。

toco \--graph_def_file=frozeen_graph。pb\
--输出文件=转换的图形。lite \--输入\格式=TENSORFLOW \ GRAPHDEF \--输出\格式=TFLITE \--输入\形状=1256256,3 \--输入\数组=img \ U占位符：0 \--输出\数组=转换器/上采样/多：0 \--推理\类型=浮点\--输入\数据\类型=浮点

当我执行上面的行时，我没有得到任何错误。请注意，我更改了图形，以消除一些“不支持的操作”错误。

接下来，我使用tenstorflow lite解释器来测试转换后的图形（使用python API）：

tflite_graph_filename = 'converted_graph.lite'
# Load TFLite model and allocate tensors.
interpreter = 
tf.contrib.lite.Interpreter(model_path=tflite_graph_filename)
interpreter.allocate_tensors()

# Get input and output tensors.
input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()

input_shape = input_details[0]['shape']

X = np.zeros(input_shape,np.float32)
X[0] = content_image

input_data = X 
interpreter.set_tensor(input_details[0]['index'], input_data)

interpreter.invoke()
output_data = interpreter.get_tensor(output_details[0]['index'])

不幸的是output_data都是Nanes

有人能给我一些关于调试的建议或者做这种转换的正确方法吗？

多谢了瓦迪姆

Answer 1

一个简单的方法来转换您的。铅进入。答案如下：

https://stackoverflow.com/a/58583419/11517841

为了确保您不会犯任何与架构相关的错误，这里有一个供参考的“小心”：

https://stackoverflow.com/a/58583602/11517841