ValueError:找到了无效的张量“输入”

Posted

技术标签:

【中文标题】ValueError:找到了无效的张量“输入”【英文标题】:ValueError: Invalid tensors 'input' were found 【发布时间】:2019-08-30 07:09:39 【问题描述】:

我无法将 .pb 转换为 tflite

这是我正在执行的生成 .pb 的命令,我成功生成了它。

IMAGE_SIZE=224
ARCHITECTURE="mobilenet_1_1.0_$IMAGE_SIZE"

python retrain.py  
 --bottleneck_dir=tf_files/bottlenecks   
 --how_many_training_steps=500   
 --model_dir=tf_files/models/   
 --summaries_dir=tf_files/training_summaries/"$ARCHITECTURE"  
  --output_graph=tf_files/retrained_graph.pb   
  --output_labels=tf_files/retrained_labels.txt   
  --architecture="$ARCHITECTURE"  
  --image_dir=tf_files/flower_photos

一旦我尝试将 .pb 创建为 .tflite 会失败并出现相同的错误 "ValueError: Invalid tensors 'input' were found."

tflite_convert \
  --output_file=foo.tflite \
  --graph_def_file=retrained_graph.pb \
  --input_arrays=input \
  --output_arrays=MobilenetV1/Predictions/Reshape_1

【问题讨论】:

input 张量是什么?你能发布定义它的代码吗? 我没有它的代码。我正在使用终端基地转换器。 tensorflow.org/lite/convert/cmdline_examples @AmitPrajapati 找到解决方案了吗? @AkshayNevrekar 是的,我尝试了不同的方式,它工作正常。我会尽快发布答案。 【参考方案1】:

我在使用 tflite 转换器 python api 时遇到了与您相同的错误。

这是由我们在 input_arrays 中传递的参数引起的。

input_arrays 需要在tf.placeholder(name="input") 中定义tensor_name build_signature_def(inputs="input": tensor_info_proto,outputs...) 中定义proto map key string

这是一个简单的例子。

x = tf.placeholder(tf.float32, [None], name="input_x")
...

builder = tf.saved_model.builder.SavedModelBuilder(saved_model_path)
input_tensor_info = "input": tf.saved_model.build_tensor_info(x)
output_tensor_info = ...
signature_def = tf.saved_model.build_signature_def(inputs=input_tensor_info,
                                                   outputs=...,
                                                   method_name=...)
builder.add_meta_graph_and_variables(...)
builder.save()

# convert saved_model to tflite format.
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_path,
                                                     input_arrays=["input"],
                                                     ...)
...
...

一旦你运行这样的代码会引发错误"ValueError: Invalid tensors 'input' were found."

如果我们像下面这样做一个小改动,它就会成功。

# a small change when convert
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_path,
                                                     input_arrays=["input_x"],
                                                     ...)

【讨论】:

【参考方案2】:

我只是按照这个谷歌代码演示。

https://codelabs.developers.google.com/codelabs/tensorflow-for-poets/#0

工作正常

IMAGE_SIZE=224
ARCHITECTURE="mobilenet_1.0_$IMAGE_SIZE"

python -m scripts.retrain \
--bottleneck_dir=tf_files/bottlenecks \
--how_many_training_steps=500 \
--model_dir=tf_files/models/ \
--summaries_dir=tf_files/training_summaries/"$ARCHITECTURE" \
--output_graph=tf_files/retrained_graph.pb \
--output_labels=tf_files/retrained_labels.txt \
--architecture="$ARCHITECTURE" \
--image_dir=tf_files/flower_photos

tflite_convert   --graph_def_file=tf_files/retrained_graph.pb   --output_file=tf_files/optimized_graph.tflite   --input_format=TENSORFLOW_GRAPHDEF   --output_format=TFLITE   --input_shape=1,224,224,3   --input_array=input   --output_array=final_result   --inference_type=FLOAT   --input_data_type=FLOAT

我为它做了一个更改,即更改 mobilenet 版本。

【讨论】:

以上是关于ValueError:找到了无效的张量“输入”的主要内容,如果未能解决你的问题,请参考以下文章

ValueError:Layer Discriminator 需要 1 个输入,但它接收到 2 个输入张量

带有 Shap ValueError 的 DeepExplainer:使用不是符号张量的输入调用了 Layersequential_1

ValueError:层激活_1的输入不是符号张量

ValueError:在工作表标题中找到无效字符

尝试连接 keras 模型:ValueError:无法将 NumPy 数组转换为张量(不支持的对象类型浮点数)

ValueError:模型的输出张量必须是TensorFlow`Layer`的输出