Python TFLite转换器：为keras模型实现随机标准，但不为纯TensorFlow模型实现

任务

我有两个模型，应该是等效的。第一个是用keras建造的，第二个是用tensorflow建造的。两种变分自动编码器在其模型中使用

tf.random.normal

方法。而且，它们产生了类似的结果。每件事都通过夜间构建（1.15）进行测试

当我试图将它们转换成一个带有训练后量化的tensorflow lite模型时，会出现混淆。我对两个模型使用相同的命令：

converter = tf.compat.v1.lite.TFLiteConverter... # from respective save file
converter.representative_dataset = representative_dataset_gen
converter.optimizations = [tf.lite.Optimize.DEFAULT]

tflite_model = converter.convert()
open('vae.tflite', 'wb').write(tflite_model)

错误

对于keras模型，一切进展顺利，我最终得到了一个工作正常的tflite模型。但是，如果我尝试使用tensorflow版本执行此操作，我会遇到一个错误，指出未实现

RandomStandardNormal

：

该标准不支持模型中的某些运算符 TensorFlow Lite运行时。如果这些是本机TensorFlow运算符，则 可以通过传递 --启用\u选择\u tf\u ops，或者通过设置target\u ops=TFLITE\u内置，在调用时选择\u tf\u ops tf.lite.TFLiteConverter（）。否则，如果你有一个习惯 对于它们的实现，您可以使用禁用此错误 --allow_custom_ops，或者在调用tf.lite.TFLiteConverter（）时设置allow_custom_ops=True。以下是您正在使用的内置运算符列表 使用：添加、扩展、完全连接、泄漏、日志、MUL。这是一份清单 需要自定义实现的运算符的数目： 这是正常的

问题

这对我来说没有意义，因为显然这已经在与keras合作。keras知道我必须明确告诉我的tensorflow模型的一些事情吗

型号

张量流

fc_layer = tf.compat.v1.layers.dense

# inputs have shape (90,)
x = tf.identity(inputs, name='x')

# encoder
outputs = fc_layer(x, 40, activation=leaky_relu)

self.z_mu = fc_layer(outputs, 10, activation=None)
self.z_sigma = fc_layer(outputs, 10, activation=softplus)

# latent space
eps = tf.random.normal(shape=tf.shape((10,)), mean=0, stddev=1, dtype=tf.float32)
outputs = self.z_mu + eps * self.z_sigma

# decoder
outputs = fc_layer(outputs, 40, activation=leaky_relu)

# prediction
x_decoded = fc_layer(outputs, 90, activation=None)

凯拉斯

---

!！pip安装tensorflow==1.15

import tensorflow as tf
converter = tf.lite.TFLiteConverter.from_keras_model_file('model.h5') 
converter.allow_custom_ops = True
tfmodel = converter.convert() 
open ("model.tflite" , "wb") .write(tfmodel)

---

我为此打开了一个github版本，它提供了所有测试代码：

import tensorflow as tf
converter = tf.lite.TFLiteConverter.from_keras_model_file('model.h5') 
converter.allow_custom_ops = True
tfmodel = converter.convert() 
open ("model.tflite" , "wb") .write(tfmodel)