tensorflow / lite / core / subgraph.cc Bytes所需的元素溢出数量节点号1CONV_2D无法准备 tflite

如何解决tensorflow / lite / core / subgraph.cc Bytes所需的元素溢出数量节点号1CONV_2D无法准备 tflite

我正在尝试将CNN模型转换为tflite模型。我已成功将其转换，但是在尝试加载和运行模型时会发生此错误。 我正在开发一个Flutter应用程序。

它会初始化Tensorflow Lite运行时，但会引发此错误。

I/tflite  (27856): Initialized TensorFlow Lite runtime.
E/flutter (27856): [ERROR:flutter/lib/ui/ui_dart_state.cc(166)] Unhandled Exception: PlatformException(Failed to load model,Internal error: Unexpected failure when preparing tensor allocations: tensorflow/lite/core/subgraph.cc BytesRequired number of elements overflowed.
E/flutter (27856): 
E/flutter (27856): Node number 1 (CONV_2D) failed to prepare.

解决方法

我想我已经解决了这个问题。

花了几天时间尝试解决此问题。我发现我用来转换的模型是ImagNet预训练的模型，即InceptionV3。问题可能是有些图层无法转换。

我使用了以下内容，它们工作得很好。

• MobileNet和MobileNetV2。
• NasNet移动版。
• 或者，如果您是深度学习的新手，并且不想训练或跳过深度学习部分，则可以使用Teachable Machine，然后轻松进行转换。

我希望这可以帮助你们！！谢谢

,

最近几天，我遇到了完全相同的问题。我试图在Android上加载并运行tflite模型。我终于想出了解决问题的方法。

我正在使用以下方法创建模型：

model = Xception(include_top=False)

这里的重要部分是include_top=False，以及默认参数input_shape=None。

如果您查看Xception，Inception，MobileNet或其他内容（您可以找到here）的源代码，则在创建它们调用的第一层之前的某个时候您会看到

input_shape = imagenet_utils.obtain_input_shape(
    input_shape,default_size=<default_size>,min_size=<min_size>,data_format=backend.image_data_format(),require_flatten=include_top,weights=weights)

已实现here，对我们来说最重要的部分是：

if input_shape:
    ...
else:
    if require_flatten:
        input_shape = default_shape
    else:
        if data_format == 'channels_first':
            input_shape = (3,None,None)
        else:
            input_shape = (None,3)

因此，如果我没记错的话，当我们将include_top设置为False时，不是获得默认形状，而是以不确定的行数和列数结束。我不确定如何将其转换为tflite，尽管在转换过程中没有出现任何错误，但实际上Android似乎无法使用它（可能等效于设置无限的图像大小）。因此，在初始化解释器时出现此错误：

BytesRequired元素溢出数量

当我在构造函数中设置正确的input_shape参数时，即

model = Xception(include_top=False,weights=None,input_shape=(rows,cols,channels))

然后，转换后的模型在Android上运行正常。

关于在相同情况下为何要使用MobileNetV2正确初始化的原因，即通过像这样创建模型：

model = MobileNetV2(include_top=False)

我无法解释...

希望这为您的原始问题提供了答案。

,

实际上，这是在文档中指定的，例如在Xception中：

 input_shape: optional shape tuple,only to be specified
   if `include_top` is False (otherwise the input shape
   has to be `(299,299,3)`.
   It should have exactly 3 inputs channels,and width and height should be no smaller than 71.
   E.g. `(150,150,3)` would be one valid value.

尽管是MobileNetV2：

 input_shape: Optional shape tuple,to be specified if you would
   like to use a model with an input image resolution that is not
   (224,224,3).
   It should have exactly 3 inputs channels (224,3).
   You can also omit this option if you would like
   to infer input_shape from an input_tensor.
   If you choose to include both input_tensor and input_shape then
   input_shape will be used if they match,if the shapes
   do not match then we will throw an error.
   E.g. `(160,160,3)` would be one valid value.

虽然不是很清晰。