无法在 tensorflow 版本 2.x

编程问答 2022-05-22

问题描述

  1. 在 tf.keras 中创建了一个简单的虚拟序列模型，如下所示：

    model = tf.keras.Sequential()
model.add(layers.Dense(10,input_shape=(100,100)))
model.add(layers.Conv1D(3,2))
model.add(layers.Flatten())
model.add(layers.Dense(10,activation='softmax',name='predict_10'))

  2. 训练模型并使用 tf.keras.models.saved_model 保存。

  3. 要获取 input 输入，output node names 使用 saved_model_cli。

    saved_model_cli show --dir "path/to/SavedModel" --all

    enter image description here

  4. 使用 freeze_graph.py 实用程序冻结 saved model。

    python freeze_graph.py --input_saved_model_dir=<path/to/SavedModel> --output_graph=<path/freeze.pb> --input_binary=True --output_node_names=StatefulPartitionedCall

    模型被冻结。

现在是主要问题：

  1. 为了加载冻结图，我使用了本指南 Migrate tf1.x to tf2.x (wrap_frozen_graph)
  2. 使用过 
    with tf.io.gfile.GFile("patf/to/freeze.pb",'rb') as f:
   graph_def = tf.compat.v1.GraphDef()
   graph_def.ParseFromString(f.read())
load_frozen = wrap_frozen_graph(graph_def,inputs='dense_3_input:0',outputs='predict_10:0')
  3. 输出错误 ValueError: Input 1 of node StatefulPartitionedCall was passed float from dense_3/kernel:0 incompatible with expected resource.

我在将 .pb 转换为 .dlc (Qualcomm) 时遇到同样的错误。 其实我想在高通的Hexagon DSP或GPU上运行原始模型。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

keraskerasqualcommsnpetensorflowtensorflowtensorflowtf.keras