将Keras多输入_形状转换为TensorFlow Lite

我们应该如何将多输入_形模型从Keras转换为Tensorflow Lite

我试图将其转换为：

{
    "class_name": "Model",
    "keras_version": "2.2.4",
    "config": {
        "layers": [
            {
                "class_name": "InputLayer",
                "config": {
                    "dtype": "float32",
                    "batch_input_shape": [
                        null,
                        null,
                        null,
                        3
                    ],
                    "name": "input",
                    "sparse": false
                },
                "inbound_nodes": [],
                "name": "input"
            },
...

因此：

import sys, os
import tensorflow as tf
import traceback

from os.path import splitext, basename

print(tf.__version__)

mod_path = "wpod-net_update1.h5"

def load_model(path,custom_objects={},verbose=0):
    #from tf.keras.models import model_from_json

    path = splitext(path)[0]
    with open('wpod-net.json','r') as json_file:
        model_json = json_file.read()
    model = tf.keras.models.model_from_json(model_json, custom_objects=custom_objects)
    model.load_weights('%s.h5' % path)
    if verbose: print('Loaded from %s' % path)
    return model

keras_mod = load_model(mod_path)

converter = tf.lite.TFLiteConverter.from_keras_model(keras_mod)
tflite_model = converter.convert()

# Save the TF Lite model.
with tf.io.gfile.GFile('wpod-net-1.tflite', 'wb') as f:
    f.write(tflite_model)

但我的输出如下所示： 因此，如果我理解正确，它说所需的输入是1像素的RGB图像

当我使用TensorFlow Lite时，是否可以保持此变量输入形状行为？ 还是应该将3

null

替换为某个常量

---

只是想让你知道，我没有创建模型，它来自于

TFLite converter不能很好地处理动态输入形状。解决方案是将之前的转换设置为固定大小，并在推断之前对其进行更改，请参阅