Python 在Tensorflow lite中输入具有动态尺寸的图像

我有一个tensorflow模型，可以获取不同大小的输入图像：

inputs = layers.Input(shape=(128,None,1), name='x_input')

<tf.Tensor 'x_input:0' shape=(?, 128, ?, 1) dtype=float32>

---

我无法将图像缩放到固定大小。我看到的唯一解决方案是将图像填充到某个最大大小，并在图表中使用该大小，但这似乎相当浪费。有没有其他方法可以让tensorflow lite处理动态图像尺寸？这种限制有什么理由吗？谢谢。

是的，您可以在TF Lite中使用动态张量。无法直接将形状设置为

[None，128，None，1]

的原因是，通过这种方式，将来可以轻松支持更多语言。此外，它充分利用了静态内存分配方案。这是一个智能的框架设计选择，用于低计算能力的小型设备。 以下是有关如何动态设置张量大小的步骤：

0冰冻的 似乎您正在从冻结的GraphDef转换，即

*.pb

文件。假设您的冻结模型具有输入形状

[None，128，None，1]

1.转换步骤。 在此步骤中，将输入大小设置为模型可以接受的任何有效大小。例如：

tflite\u转换\
--图形_def_file='model.pb'\
--输出文件=“model.tflite”\
--输入形状=1128,80,1#
converter = tf.lite.TFLiteConverter.from_frozen_graph(
  graph_def_file, input_arrays, output_arrays)
tflite_model = converter.convert() 

ValueError: None is only supported in the 1st dimension.
Tensor 'x_input_1' has invalid shape '[None, 128, None, 1]'.