Python 加载时目标检测的TensorFlowLite模型

我对tensorflow没有经验。 我正在使用tensorflow 2.3.0创建一个带有自定义数据集的对象检测模型。我使用的模型是“ssd_mobilenet_v2_fpnlite_640x640_coco17_tpu-8”。 加载经过训练的检查点，我可以用它来检测图像中的对象，效果非常好

现在，我使用以下命令使用SavedModel格式保存模型：

python导出\u tflite\u graph\u tf2.py--经过训练的检查点\u dir训练--输出\u目录推断\u graph\u tflite--管道\u配置\u路径训练/ssd\u mobilenet\u v2\u fpnlite\u 640x640\u coco17\u tpu-8.config

然后，我使用以下代码将模型转换为TFLite格式：

converter.optimizations = [tf.lite.Optimize.DEFAULT]
converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS_INT8,
                                       tf.lite.OpsSet.TFLITE_BUILTINS]
tflite_model = converter.convert()

with open(path + 'final_detector.tflite', 'wb') as f:
  f.write(tflite_model)

此代码来自tensorflow文档。（）

如果我试图解释此模型，我会得到以下错误：

  File "...\python\interpreter.py", line 197, in __init__
    _interpreter_wrapper.CreateWrapperFromFile(
ValueError: Did not get operators, tensors, or buffers in subgraph 0.

---

我做错了什么？

你能检查一下图表转换是否正确吗？我最终找到了我所有问题的根源。虽然我刚刚介绍了tensorflow文档，但在使用tensorflow 2.3.0时，您需要将tflite降级到2.2.0版本。重建tflite模型是可行的。

看起来应该这样，输入节点和4个输出节点都在那里。