Python 3.x Tensorflow Lite：如何检查输入层形状和输入层类型，以便将pb转换为tflite

如何填写转换tflite的正确参数

下面是失败消息和pb信息，如下所示

（1）失败消息

~/tensorflow/pkg/tensorflow$ bazel-bin/tensorflow/contrib/lite/toco/toco \
--input_format=TENSORFLOW_GRAPHDEF \
--input_file='retrained_graph.pb' \
--output_format=TFLITE \
--output_file='retrained_graph.tflite' \
--inference_type=FLOAT \
--inference_input_type=FLOAT \
--output_arrays=final_result \
--input_arrays=batch_size,phase_train \
--input_shapes=1,160,160,3:False \
--mean_values=128 \
--std_values=128
2018-09-06 17:16:14.249938: F tensorflow/contrib/lite/toco/model_cmdline_flags.cc:263] Check failed: mean_values.size() == model_flags->input_arrays_size()

（2）pb信息

xxxx:~/tensorflow/pkg/tensorflow$ bazel-bin/tensorflow/tools/graph_transforms/summarize_graph --in_graph='zzz/retrained_graph.pb'
Found 2 possible inputs: (name=batch_size, type=int32(3), shape=<unknown>) (name=phase_train, type=bool(10), shape=<unknown>) 
No variables spotted.
Found 1 possible outputs: (name=final_result, op=Softmax) 
Found 23514555 (23.51M) const parameters, 0 (0) variable parameters, and 675 control_edges
Op types used: 2019 Switch, 1104 Const, 1057 Identity, 449 Sub, 449 Merge, 247 Mul, 224 FusedBatchNorm, 132 Conv2D, 131 Relu, 24 Add, 23 ConcatV2, 21 BiasAdd, 3 MaxPool, 3 Shape, 3 Reshape, 2 MatMul, 2 Placeholder, 1 PlaceholderWithDefault, 1 AvgPool, 1 StridedSlice, 1 Softmax, 1 RealDiv, 1 RandomUniform, 1 QueueDequeueUpToV2, 1 FIFOQueueV2, 1 Pack, 1 Floor
To use with tensorflow/tools/benchmark:benchmark_model try these arguments:
bazel run tensorflow/tools/benchmark:benchmark_model -- --graph=zzz/retrained_graph.pb --show_flops --input_layer=batch_size,phase_train --input_layer_type=int32,bool --input_layer_shape=: --output_layer=final_result

xxxx:~/tensorflow/pkg/tensorflow$bazel bin/tensorflow/tools/graph\u transforms/summary\u graph--in\u graph='zzz/rettrained\u graph.pb'
找到2个可能的输入：（名称=批次大小，类型=int32（3），形状=）（名称=阶段列车，类型=布尔（10），形状=）
没有发现变量。
找到1个可能的输出：（名称=最终结果，op=Softmax）
找到了23514555（23.51M）个常量参数、0（0）个变量参数和675个控件_边
使用的操作类型：2019开关、1104常量、1057标识、449子、449合并、247 Mul、224 FusedBatchNorm、132 Conv2D、131 Relu、24 Add、23 ConcatV2、21 BiasAdd、3 MaxPool、3 Shape、3重塑、2 MatMul、2占位符、1默认占位符、1 AvgPool、1 STRIPDSLICE、1 Softmax、1 RealDiv、1 RandomUniform、1 QUEUDEQUEUEPOV2、1 FIOFQUEUEv2、，一包一层
要使用tensorflow/tools/benchmark:benchmark\u模型，请尝试以下参数：
bazel run tensorflow/tools/benchmark:benchmark_model--graph=zzz/retranted_graph.pb--show_flops--input_layer=batch_size，phase_train--input_layer_type=int32，bool--input_layer_shape=：--output_layer=final_result

如果您的模型没有使用量化，您可以完全跳过

--平均值

和

--标准值

输入参数

---

只有在使用量化时才需要这些标志（

--推断类型=量化单位8

）。如果您确实使用量化并指定

平均值

和

标准值

，则需要对每个输入进行量化（在这种情况下，

批量大小

和

阶段序列

）。

这是我的问题，它不能通过False。下一步该怎么做？2018-09-10 16:19:51.880193:F tensorflow/contrib/lite/toco/model\u cmdline\u flags.cc:327]检查失败：absl:：SimpleAtoi（dim\u str，&size）无法解析输入\u shape:False已經終止 (核心已傾印)

False

不是一个形状。phase\u train是什么类型的张量？我选择FaceNet模型来训练自己的模型。（1）自己的模型信息：批处理大小==>占位符批处理大小===>占位符相处理列==>占位符相处理列==>占位符批处理/fifo队列==>FIFOQueueV2批处理连接==>队列输出==>标识（2）培训脚本的一部分：images\u placeholder=tf.get\u default\u graph（）.get\u tensor\u by\u name（“输入：0”）embedings=tf.get\u default\u graph（）.get\u tensor\u by\u name（“嵌入：0”）phase\u train\u placeholder=tf.get\u default\u graph（）.get\u tensor\u name（“阶段培训：0”）embedding\u size=embeddings.get\u shape\u dict={images\u placeholder:resized\u input\u values，phase\u train\u placeholder:False}瓶颈\u values=sess.run（嵌入，feed\u dict=feed\u dict）