C++ 在将pb转换为ff lite时，不理解平均值和标准偏差值

我试图量化存储在.pb中的tensoflow图。 网络的输入是一个矩阵，每一行用平均值0和标准值1标准化。 我想创建一个tensorflow lite模型quantizate以更快地进行交互。 我不知道如何将输入传递到行转换。它只是一个值吗？有64个值的向量？它是如何通过的

模型转换良好，无需量化

tflite_convert \
    --output_file=model_simple_weight_q.tflite \
    --graph_def_file=model_simple.pb \
    --inference_type=QUANTIZED_UINT8 \
    --input_arrays=input \
    --output_arrays=LogSoftmax \
    --mean_values= # dont know  \
    --std_dev_values=# dont know

如果我传递两个单值，例如，-mean_values=127和--std_dev_values=128。为了知道发生了什么，我得到了以下错误：

F tensorflow/lite/toco/graph_transformations/resolve_constant_gather.cc:108] Check failed: coords_array.data_type == ArrayDataType::kInt32 Only int32 indices are supported
Aborted (core dumped)

---

您看到的错误与平均值/标准偏差值无关。一般来说，转换图形时出错。这意味着在一个图形操作中，索引用于

tf.gather

（或者可能是切片），它的类型不是

int32

，但这是唯一受支持的索引类型

不幸的是，TFLite转换错误通常不会告诉您导致错误的源代码，因此您必须进行有根据的猜测

---

关于平均值/标准偏差值，我建议您看看这个答案：

由于输入的每一行都用平均值0和标准偏差1标准化，您应该给出

--平均偏差值=0

和

--标准偏差值=1

。此外，当您进行“虚拟训练后量化”时，您需要为激活功能提供最小和最大范围。您需要提供--default\u ranges\u min=和--default\u ranges\u max=

由于tensorflow没有提供关于如何计算激活范围的非常清晰的描述，因此最好使用较小的校准数据进行“训练后全整数量化”。在该方法中，使用校准图像计算激活函数的范围

问候,