具有自定义模型的 Tensorflow 精简版示例 - "input_product_scale < output_scale was not true"

Question

如何重现：
用命令重新训练mobilenet：

python tensorflow/tensorflow/examples/image_retraining/retrain.py 
—image_dir (data-pwd) 
—learning_rate=0.001 —testing_percentage=20 
—validation_percentage=20 —train_batch_size=32 
—validation_batch_size=-1 —flip_left_right True 
—random_scale=30 —random_brightness=30 
—eval_step_interval=100 —how_many_training_steps=200 
—architecture mobilenet_1.0_224_quantized —default_ranges_min=0 
—default_ranges_max=6 —std_values=224 
—mean_values=224  

mean values和std_values并没有真正有所作为 - 尝试了不同的组合。
然后我像这样转换了结果.pb文件：

bazel-bin/tensorflow/contrib/lite/toco/toco --input_file=(path)/output_graph.pb --input_format=TENSORFLOW_GRAPHDEF 
--output_format=TFLITE 
--output_file=./mobilenet_quantized_224.tflite --inference_type=QUANTIZED_UINT8 
--input_type=QUANTIZED_UINT8 --input_array=Placeholder --output_array=final_result 
--input_shape=1,224,224,3
--output_array=final_result --input_shape=1,224,224,3

然后，我在两个库存应用程序中都替换了：iOS简单和Android摄像机示例应用程序带有生成的应用程序。这两个导致相同的错误：

错误：
Android：

Can not allocate memory for the given inputs: 
tensorflow/contrib/lite/kernels/kernel_util.cc:34 
input_product_scale < output_scale was not true.

ios：

/Library/Developer/CoreSimulator/Devices/10888914-22EB-4CA7-B019-F95D5A8A6F5C/data/Containers/Shared/SystemGroup/systemgroup.com.apple.configurationprofiles
nnapi error: unable to open library libneuralnetworks.so
Loaded model resolved reportertensorflow/contrib/lite/kernels
/kernel_util.cc:34 input_product_scale < output_scale was not 
true.Failed to allocate tensors!(lldb) 

问题：
如何解决...错误？：）

编辑我添加赏金：目的是获取有关如何重新训练模型并使用TensorFlow Lite运行的解释。我知道这是非常新的，但是我的文档左右运行。

Answer 1

以下内容对您不起作用吗？

bazel -bin/tensorflow/conter/conter/lite/toco/toco --input_file =（path）/output_graph.pb --input_format = tensorflow_graphdef_graphdef -output_form_form_format = tflite -output_file -extput_file =。

我已经重现了您看到的错误，并且能够使其与以下命令一起使用：

python tensorflow/tensorflow/examples/image_retraining/retrain.py 
  --image_dir /tmp/flower_photos 
  --learning_rate=0.001 
  --testing_percentage=20 
  --validation_percentage=20 
  --train_batch_size=32 
  --validation_batch_size=-1 
  --flip_left_right True 
  --random_scale=30 
  --random_brightness=30 
  --eval_step_interval=100 
  --how_many_training_steps=200 
  --architecture mobilenet_1.0_224_quantized

和

bazel-bin/tensorflow/contrib/lite/toco/toco 
  --input_file=/tmp/output_graph.pb 
  --input_format=TENSORFLOW_GRAPHDEF 
  --output_format=TFLITE 
  --output_file=/tmp/mobilenet_quantized_224.tflite 
  --inference_type=QUANTIZED_UINT8 
  --input_type=QUANTIZED_UINT8 
  --input_array=Placeholder 
  --output_array=final_result 
  --input_shape=1,224,224,3 
  --mean_value=128 
  --std_value=128 
  --default_ranges_min=0 
  --default_ranges_max=6

让我知道这是否对您有用。