Python TFLiteConverter.from#u freezed#u图形可以'；t加载冻结图：ValueError

我使用tensorflow定义一个图，量化该图并将其导出为冻结图。冻结的图形应转换为tensorflow灯光。我试着按照这里的指示：

当我尝试调用函数tf.lite.TFLiteConverter.from\u freezed\u graph时，我得到错误：

tensorflow.python.framework.errors\u impl.InvalidArgumentError:输入0 节点conv2d/weights\u quant/AssignMinLast的 conv2d/weights\u quant/min:0与预期的float\u ref不兼容

这里有什么问题？ 我的代码：

将tensorflow导入为tf
从tensorflow.python.tools导入冻结图
使用tf.Session（）作为sess：
x=tf.placeholder（tf.float32[None，27648]，name=“x”）#128*72*3
y=tf.占位符（tf.float32，[None，72，128，1]，name=“y”）#128*72*1
#“重塑”：
输入层=tf.重塑（x，[-1,72,128,3]）
#卷积层
conv1=tf.layers.conv2d(
输入=输入层，
过滤器=32，
内核大小=[3,3]，
padding=“相同”，
激活=tf.nn.relu，
)
y_out=tf.math.multiply(
conv1，
1.
name=“y_out”
)
损失=tf.reduce\u平均值（tf.nn.softmax\u交叉\u熵\u与logits（labels=y，logits=y\u out））
tf.initialize_all_variables（）.run（）
#建立培训模式
g=tf.get_default_graph（）
tf.contrib.quantize.create_training_graph（输入图=g，
数量（延迟=2000000）
tf.initialize_all_variables（）.run（）
#建立评估模型
lossEval=tf.reduce\u mean（tf.nn.softmax\u cross\u entropy\u with\u logits（labels=y\u，logits=y\u out））
#调用eval rewrite，该函数使用
#伪造量化节点和用于评估的折叠批处理范数。
g=tf.get_default_graph（）
tf.contrib.quantize.create_eval_图（input_图=g）
#像往常一样调用向后传递优化器。
学习率=5e-5
优化器=tf.train.GradientDescentOptimizer（学习率）
优化程序。最小化（损失）
writer=tf.summary.FileWriter（'./graphs'，sess.graph）
#todo:火车
导出路径='/导出/'
打印（“将训练模型导出到”，导出路径）
将open（export_path+“qtrained.pbtxt”，“w”）作为f:
f、 写入（str（例如as_graph_def（）））
saver=tf.train.saver（）
saver.save（sess，导出路径+“qtrained.ckpt”）
对于tf.get_default_graph（）.as_graph_def（）节点中的n：
印刷品（名称）
冻结图表。冻结图表（输入图表=导出路径+“qtrained.pbtxt”，
输入_=”，
输入_binary=False，
输入检查点=导出路径+“/qtrained.ckpt”，
输出\u节点\u name=“y\u out”，
还原\u op\u name=“保存/还原所有”，
filename\u tensor\u name=“save/Const:0”，
输出图='。/冻结/冻结模型.pb'，
清除设备=错误，
初始值设定项_nodes=“”）
converter=tf.lite.TFLiteConverter.from_freezed_图形（'./freezed/freezed_model.pb'，['x']，['y_out']））
converter.inference\u type=tf.lite.constants.QUANTIZED\u UINT8
input\u arrays=转换器。获取\u input\u arrays（）
converter.quantized_input_stats={input_数组[0]：（0,1.）}平均值，标准值
tflite_model=converter.convert（）
打开（“新的”转换的“模型”.tflite，“wb”）.write（tflite\u模型）
打印（“转换完成”）