问题描述
-
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'))
-
训练模型并使用
tf.keras.models.saved_model
保存。 -
要获取
input
输入,output node names
使用saved_model_cli
。saved_model_cli show --dir "path/to/SavedModel" --all
-
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:
- 为了加载冻结图,我使用了本指南 Migrate tf1.x to tf2.x (
wrap_frozen_graph
) - 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')
- 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@)