9

我正在尝试将 deeplab-v3+ 模型转换为 TF-Lite，我从mobilenetv2_coco_voc_trainaug下载了带有 MobileNet-v2 的预训练模态。

使用以下命令覆盖模型：

bazel run --config=opt \
  //tensorflow/contrib/lite/toco:toco -- \
  --input_file=/tmp/frozen_inference_graph.pb \
  --output_file=/tmp/optimized_graph.tflite \
  --input_format=TENSORFLOW_GRAPHDEF \
  --output_format=TFLITE \
  --input_type=QUANTIZED_UINT8 \
  --input_arrays=ImageTensor \
  --output_arrays=SemanticPredictions \
  --input_shapes=1,513,513,3 \
  --allow_custom_ops

它已成功覆盖到 tflite 模型，然后我放入 android 资产文件夹并加载到 android 应用程序，我在 gradle 中设置如下：

aaptOptions {
    noCompress "tflite"
    noCompress "lite"
}

使用以下函数加载模型：

  /** Memory-map the model file in Assets. */
  private MappedByteBuffer loadModelFile(Activity activity) throws IOException {
    AssetFileDescriptor fileDescriptor = activity.getAssets().openFd(MODEL_PATH);
    FileInputStream inputStream = new FileInputStream(fileDescriptor.getFileDescriptor());
    FileChannel fileChannel = inputStream.getChannel();
    long startOffset = fileDescriptor.getStartOffset();
    long declaredLength = fileDescriptor.getDeclaredLength();
    return fileChannel.map(FileChannel.MapMode.READ_ONLY, startOffset, declaredLength);
  }

当调用tflite = new Interpreter(loadModelFile(activity));问题发生时，异常显示“ MappedByteBuffer 不是有效的 flatbuffer 模型”任何人都可以帮助找出我做错了什么过程？toco工具有bug吗？

4

0 回答 0