Keras 双向LSTM文本分类模型转换为TFLite模型时出错

我的模型是在“imdb评论数据集”上训练的，在预测电影评论的情绪时效果很好。但是，当我将我的模型转换为Tensorflow Lite时，它会输出： “无”仅在第1维度中受支持。张量“嵌入1输入”具有无效形状“[None，None]”。 在训练我的模型时，我没有指定特定的形状，因此我不确定我的模型要通过什么形状才能与我的android应用程序配合使用。（只要我将embedding_输入形状转换为其他形状，就会创建TFLite模型，但不能与我的android应用程序一起使用）

型号代码：

from tensorflow import keras
from keras.preprocessing.text import Tokenizer
from keras.preprocessing.sequence import pad_sequences
from keras.layers import Dense , Input , LSTM , Embedding, Dropout , Activation, GRU, Flatten
from keras.layers import Bidirectional, GlobalMaxPool1D
from keras.models import Model, Sequential
from keras.layers import Convolution1D
from keras import initializers, regularizers, constraints, optimizers, layers

max_features = 6000
tokenizer = Tokenizer(num_words=max_features)
tokenizer.fit_on_texts(df['Processed_Reviews'])
list_tokenized_train = tokenizer.texts_to_sequences(df['Processed_Reviews'])

maxlen = 130
X_t = pad_sequences(list_tokenized_train, maxlen=maxlen)
y = df['sentiment']

embed_size = 128
model = Sequential()
model.add(Embedding(max_features, embed_size))
model.add(Bidirectional(LSTM(32, return_sequences = True)))
model.add(GlobalMaxPool1D())
model.add(Dense(20, activation="relu"))
model.add(Dropout(0.05))
model.add(Dense(1, activation="sigmoid"))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

batch_size = 100
epochs = 3
model.fit(X_t,y, batch_size=batch_size, epochs=epochs, validation_split=0.2)

#Conversion Code
import tensorflow as tf

inference_model = tf.keras.models.load_model('imdb-reviews-final.h5')
#inference_model.input.set_shape((6000, 128)) --> Reshaping allows model conversion to happen, but does not actually work with the app
converter = tf.lite.TFLiteConverter.from_keras_model(inference_model)
tflite_model = converter.convert()
open("model.tflite", "wb").write(tflite_model)

---

当前稳定版本的Tensorflow不支持动态输入形状

---

但是，使用夜间构建可以解决您的问题。我在Tensorflow github中找到了讨论此方法的地方。但是，我不确定这是否适用于Android。

嗨，谢谢！我想这可能是问题所在，因为我刚刚在tensorflow解释器网站上查看了一下，在页面底部找到了这个。无论如何，我会尝试一下，如果它不起作用，我会等待tensorflow版本解决这个问题。同时，我可以创建一个新模型来完成相同的任务。再次感谢您的帮助！