如何在 Tensorflow Lite 上为 CoreML 委托设置填充类型以修复未设置“PoolingLayerBuilder (MEAN)_1”。

Posted 2023-03-27

【中文标题】如何在 Tensorflow Lite 上为 CoreML 委托设置填充类型以修复未设置“PoolingLayerBuilder (MEAN)_1”。

【英文标题】：How to set Padding Type for CoreML Delegate on Tensorflow Lite to fix `PoolingLayerBuilder (MEAN)_1' is not set.`?

【发布时间】：2021-10-08 17:49:32

【问题描述】：

我最近在 Google 的 Vision 平台上训练了一个对象检测模型，并将其导出到 TensorFlow Lite 边缘模型。

在带有 CoreML 委托的 ios 设备上运行时，我在 Xcode 中收到此错误：

验证器错误：未设置池化层“PoolingLayerBuilder (MEAN)_1”的填充类型。

当使用带有 CoreML 委托的 TensorFlow lite 在 iOS 上运行时，我收到此错误：

错误编译模型错误读取 protobuf 规范。验证器错误：未设置池化层“PoolingLayerBuilder (MEAN)_1”的填充类型。

这是我迄今为止尝试过的：

更新我的 pod 以确保我使用的是 TensorFlowLiteSwift 夜间版本 仅在 CPU 上运行（该模型有效，所以我知道这是一个 CoreML 委托问题） 确保 CoreMLDelegate 使用的是最新版本的 CoreML (3)

接下来的步骤？

尝试修改 TFLite 文件本身，以某种方式为池化层设置填充类型。如何做到这一点并不明显

尝试修改 CoreML 委托以将填充类型设置为默认值？在这个文件的某个地方？ https://github.com/tensorflow/tensorflow/blob/nightly/tensorflow/lite/delegates/coreml/builders/pooling_layer_builder.cc#L54

这是正确的方法还是我没有看到更简单的解决方案？

【参考方案1】：

为了编辑一个 TFlite 模型，我推荐你使用这个名为 Netron 的 Python 库。我还没有使用对象检测模型对此进行测试[我将在当天更新此评论]，但是，我设法访问了模型本身并修改了它的配置。

当您安装 Netron 并将 model.tflite 称为 netron 'model.tflite' 时，服务器链接将显示在您的命令 shell 中。单击它时，您将可以访问模型的图形模式。单击图层时，将显示一组属性，您可以在其中进行修改。感谢github comments，我设法注意到了这一点。我想这会让你解决你的问题。

同时，一旦我有一个对象检测案例的新部署模型，我将尝试修改我的模型的 CoreML 版本。我会及时通知你的！

让我知道到目前为止这是否对您有所帮助。

【参考方案2】：

你可以尝试一些事情：

使用 tensorflow-onnx 将模型转换为 .onnx 格式。 您可以尝试将 tensorflow 模型（.h5，SavedModel，tf.keras.Model，具体函数）直接转换为 CoreML，而不是将 .tflite 转换为 CoreML 模型。参考：Tensorflow 2 Conversion