C++ TF Lite中完全连接的op存在问题

我想运行一个简单的神经网络模型，在Rasperry微控制器上使用Keras。我使用图层时遇到问题。代码定义如下：

#include "main.h"
#include <string.h>
#include "tensorflow/lite/micro/kernels/micro_ops.h"
#include "tensorflow/lite/micro/micro_error_reporter.h"
#include "tensorflow/lite/micro/micro_interpreter.h"
#include "tensorflow/lite/micro/micro_mutable_op_resolver.h"
#include "tensorflow/lite/version.h"
#include "my_model.h"

/* Private variables    
TIM_HandleTypeDef htim16;

UART_HandleTypeDef huart2;

/* USER CODE BEGIN PV */

// TFLite globals
namespace {
tflite::ErrorReporter* error_reporter = nullptr;
const tflite::Model* model = nullptr;
tflite::MicroInterpreter* interpreter = nullptr;
TfLiteTensor* model_input = nullptr;
TfLiteTensor* model_output = nullptr;

// Create an area of memory to use for input, output, and other TensorFlow
// arrays. You'll need to adjust this by compiling, running, and looking
// for errors.
constexpr int kTensorArenaSize = 2 * 1024;
__attribute__((aligned(16)))uint8_t tensor_arena[kTensorArenaSize];
} // namespace


void SystemClock_Config(void);
static void MX_GPIO_Init(void);
static void MX_USART2_UART_Init(void);
static void MX_TIM16_Init(void);
/* USER CODE BEGIN PFP */

/* USER CODE END PFP */

/* Private user code 
/* USER CODE BEGIN 0 */

int main(void)
{
/* USER CODE BEGIN 1 */
char buf[50];
int buf_len = 0;
TfLiteStatus tflite_status;
uint32_t num_elements;
uint32_t timestamp;
float y_val;

/* USER CODE END 1 */

/* MCU Configuration--------------------------------------------------------*/

/* Reset of all peripherals, Initializes the Flash interface and the Systick. */
HAL_Init();

/* USER CODE BEGIN Init */

/* USER CODE END Init */

/* Configure the system clock */
SystemClock_Config();

/* USER CODE BEGIN SysInit */

/* USER CODE END SysInit */

/* Initialize all configured peripherals */
MX_GPIO_Init();
MX_USART2_UART_Init();
MX_TIM16_Init();
/* USER CODE BEGIN 2 */

// Start timer/counter
HAL_TIM_Base_Start(&htim16);

// Set up logging (modify tensorflow/lite/micro/debug_log.cc)
static tflite::MicroErrorReporter micro_error_reporter;
error_reporter = &micro_error_reporter;

// Say something to test error reporter
error_reporter->Report("STM32 TensorFlow Lite test");

// Map the model into a usable data structure
model = tflite::GetModel(my_model);
if (model->version() != TFLITE_SCHEMA_VERSION)
{
  error_reporter->Report("Model version does not match Schema");
  while(1);
}

// Pull in only needed operations (should match NN layers). Template parameter
// <n> is number of ops to be added. Available ops:
// tensorflow/lite/micro/kernels/micro_ops.h
static tflite::MicroMutableOpResolver<1> micro_op_resolver;

// Add dense neural network layer operation
tflite_status = micro_op_resolver.AddBuiltin(
    tflite::BuiltinOperator_FULLY_CONNECTED,
    tflite::ops::micro::Register_FULLY_CONNECTED());
if (tflite_status != kTfLiteOk)
{
  error_reporter->Report("Could not add FULLY CONNECTED op");
  while(1);
}

// Build an interpreter to run the model with.
static tflite::MicroInterpreter static_interpreter(
    model, micro_op_resolver, tensor_arena, kTensorArenaSize, error_reporter);
interpreter = &static_interpreter;

// Allocate memory from the tensor_arena for the model's tensors.
tflite_status = interpreter->AllocateTensors();
if (tflite_status != kTfLiteOk)
{
  error_reporter->Report("AllocateTensors() failed");
  while(1);
}

// Assign model input and output buffers (tensors) to pointers
model_input = interpreter->input(0);
model_output = interpreter->output(0);

// Get number of elements in input tensor
num_elements = model_input->bytes / sizeof(float);
buf_len = sprintf(buf, "Number of input elements: %lu\r\n", num_elements);
HAL_UART_Transmit(&huart2, (uint8_t *)buf, buf_len, 100);

/* USER CODE END 2 */

/* Infinite loop */
/* USER CODE BEGIN WHILE */
while (1)
{
  // Fill input buffer (use test value)
  for (uint32_t i = 0; i < num_elements; i++)
  {
    model_input->data.f[i] = 2.0f;
  }

  // Get current timestamp
  timestamp = htim16.Instance->CNT;

  // Run inference
  tflite_status = interpreter->Invoke();
  if (tflite_status != kTfLiteOk)
  {
    error_reporter->Report("Invoke failed");
  }

  // Read output (predicted y) of neural network
  y_val = model_output->data.f[0];

  // Print output of neural network along with inference time (microseconds)
  buf_len = sprintf(buf,
                    "Output: %f | Duration: %lu\r\n",
                    y_val,
                    htim16.Instance->CNT - timestamp);
  HAL_UART_Transmit(&huart2, (uint8_t *)buf, buf_len, 100);

  // Wait before doing it again
  HAL_Delay(500);

  /* USER CODE END WHILE */

  /* USER CODE BEGIN 3 */
}
/* USER CODE END 3 */
}

#包括“main.h”
#包括
#包括“tensorflow/lite/micro/kernels/micro_ops.h”
#包括“tensorflow/lite/micro/micro_error_reporter.h”
#包括“tensorflow/lite/micro/micro_解释器.h”
#包括“tensorflow/lite/micro/micro可变旋转变压器.h”
#包括“tensorflow/lite/version.h”
#包括“my_model.h”
/*私有变量
TIM_HandleTypeDef htim16；
UART_HandleTypeDef huart2；
/*用户代码开始PV*/
//TFLite全局
名称空间{
tflite:：ErrorReporter*error\u reporter=nullptr；
常量tflite:：Model*Model=nullptr；
tflite:：Micro解释器*解释器=nullptr；
TfLiteTensor*model_input=nullptr；
TfLiteTensor*模型_输出=nullptr；
//创建用于输入、输出和其他TensorFlow的内存区域
//数组。您需要通过编译、运行和查找来调整它
//对于错误。
constexpr int kTensorArenaSize=2*1024；
__属性（对齐（16））为8张量竞技场[kTensorArenaSize]；
}//名称空间
无效系统时钟配置（无效）；
静态void MX_GPIO_Init（void）；
静态void MX_USART2_UART_Init（void）；
静态空隙MX_TIM16_Init（空隙）；
/*用户代码开始PFP*/
/*用户代码端PFP*/
/*专用用户代码
/*用户代码从0开始*/
内部主（空）
{
/*用户代码开始1*/
char-buf[50]；
int buf_len=0；
TfLiteStatus tflite_状态；
单元32个单元；
uint32_t时间戳；
浮动y_val；
/*用户代码结束1*/
/*微控制器配置--------------------------------------------------------*/
/*重置所有外围设备，初始化闪存接口和Systick*/
HAL_Init（）；
/*用户代码开始初始化*/
/*用户代码结束初始化*/
/*配置系统时钟*/
SystemClock_Config（）；
/*用户代码BEGIN SysInit*/
/*用户代码结束SysInit*/
/*初始化所有配置的外围设备*/
MX_GPIO_Init（）；
MX_USART2_UART_Init（）；
MX_TIM16_Init（）；
/*用户代码开始2*/
//启动计时器/计数器
HAL_TIM_Base_Start（&htim16）；
//设置日志记录（修改tensorflow/lite/micro/debug_log.cc）
静态tflite:：MicroErrorReporter micro_error_reporter；
error\u reporter=µ\u error\u reporter；
//说点什么来测试错误报告器
错误报告器->报告（“STM32 TensorFlow Lite测试”）；
//将模型映射到可用的数据结构中
model=tflite:：GetModel（my_model）；
if（model->version（）！=TFLITE\u SCHEMA\u version）
{
错误报告器->报告（“模型版本与架构不匹配”）；
而(1),；
}
//仅拉入所需操作（应匹配NN层）。模板参数
//是要添加的操作数。可用操作数：
//tensorflow/lite/micro/kernels/micro_ops.h
静态tflite：：微可变溶出器micro_op_分解器；
//添加稠密神经网络层操作
tflite\u status=micro\u op\u resolver.AddBuiltin(
tflite:：内置操作器完全连接，
tflite:：ops:：micro:：Register_FULLY_CONNECTED（））；
如果（tflite_状态！=kTfLiteOk）
{
错误报告器->报告（“无法添加完全连接的op”）；
而(1),；
}
//构建一个解释器来运行模型。
静态tflite:：微解释器静态\u解释器(
模型、微型旋转变压器、张量、kTensorArenaSize、误差报告器）；
解释器=&静态解释器；
//从tensor_arena为模型的张量分配内存。
tflite_status=解释器->分配传感器（）；
如果（tflite_状态！=kTfLiteOk）
{
错误报告器->报告（“AllocateSensors（）失败”）；
而(1),；
}
//将模型输入和输出缓冲区（张量）分配给指针
模型输入=解释器->输入（0）；
模型输出=解释器->输出（0）；
//获取输入张量中的元素数
num\u elements=model\u input->bytes/sizeof（float）；
buf_len=sprintf（buf，“输入元素的数量：%lu\r\n”，num_元素）；
HAL_UART_传输（和huart2，（uint8_t*）buf，buf_len，100）；
/*用户代码结束2*/
/*无限循环*/
/*用户代码在*/
而(1)
{
//填充输入缓冲区（使用测试值）
对于（uint32_t i=0；i数据.f[i]=2.0f；
}
//获取当前时间戳
timestamp=htim16.Instance->CNT；
//运行推理
tflite_status=解释器->调用（）；
如果（tflite_状态！=kTfLiteOk）
{
错误报告器->报告（“调用失败”）；
}
//神经网络的读取输出（预测y）
y_val=model_output->data.f[0]；
//打印神经网络输出以及推断时间（微秒）
buf_len=sprintf（buf，
“输出：%f |持续时间：%lu\r\n”，
尤瓦尔，
htim16.Instance->CNT-时间戳）；
HAL_UART_传输（和huart2，（uint8_t*）buf，buf_len，100）；
//等一下再做
HAL_延迟（500）；
/*用户代码结束时*/
/*用户代码开始3*/
}
/*用户代码结束3*/
}

当我运行该程序时，我遇到了以下编译问题：

../Core/Src/main.cpp: In function 'int main()':
../Core/Src/main.cpp:181:57: error: no matching function for call to 'tflite::MicroMutableOpResolver<1>::AddBuiltin(tflite::BuiltinOperator, TfLiteRegistration*)'
   tflite::ops::micro::Register_FULLY_CONNECTED());
                                                 ^

In file included from ../Core/Src/main.cpp:31:0:
STM32CubeIDE/workspace_1.3.0/sine/tensorflow_lite/tensorflow/lite/micro/micro_mutable_op_resolver.h:470:16: note: candidate: TfLiteStatus tflite::MicroMutableOpResolver<tOpCount>::AddBuiltin(tflite::BuiltinOperator, const TfLiteRegistration&, tflite::MicroOpResolver::BuiltinParseFunction) [with unsigned int tOpCount = 1; TfLiteStatus = TfLiteStatus; TfLiteRegistration = TfLiteRegistration; tflite::MicroOpResolver::BuiltinParseFunction = TfLiteStatus (*)(const tflite::Operator*, tflite::BuiltinOperator, tflite::ErrorReporter*, tflite::BuiltinDataAllocator*, void**)]
 TfLiteStatus AddBuiltin(tflite::BuiltinOperator op,
              ^~~~~~~~~~
STM32CubeIDE/workspace_1.3.0/sine/tensorflow_lite/tensorflow/lite/micro/micro_mutable_op_resolver.h:470:16: note:   candidate expects 3 arguments, 2 provided
make: *** [Core/Src/subdir.mk:37: Core/Src/main.o] Error 1
"make -j2 all" terminated with exit code 2. Build might be incomplete.

。/Core/Src/main.cpp:在函数“int main（）”中：
../Core/Src/main.cpp:181:57:错误：调用“tflite:：MicroMutableOpResolver:：AddBuiltin（tflite:：BuiltinOperator，TfLiteRegistration*）”时没有匹配的函数
tflite:：ops:：micro:：Register_FULLY_CONNECTED（））；
^
在../Core/Src/main.cpp:31:0中包含的文件中：
STM32CubeIDE/workspace_1.3.0/sine/tensorflow_lite/tensorflow/lite/micro/micro_mutable_op_resolver.h:470:16：注：候选者：TfLiteStatus tflite:：MicroMutableOpResolver:：AddBuiltin（tflite:：BuiltinOperator，const TfLiteRegistration&，tflite:：MicroOpResolver:：builtinparesfunction）[无符号int-tOpCount=1；TfLiteStatus=TfLiteStatus；TfLiteRegistration=TfLiteRegistration；tflite:：MicroOpResolver:：BuiltinParseFunction=TfLiteStatus（*）（常量tflite:：Operator*，tflite:：BuiltinOperator，tflite:：ErrorReporter*，tflite:：BuiltinDataAllocator*，void**）]
TfLiteStatus AddBuiltin（tflite:：BuiltinOperator，
^~~~~~~~~~
STM32CubeIDE/workspace_1.3.0/sine/tensorflow_lite/tensorflow/lite/micro/micro_可变分解器。h:470:16：注：候选
static tflite::MicroMutableOpResolver<1> micro_op_resolver;
tflite_status = micro_op_resolver.AddFullyConnected();