Python TensorFlow MTCNN模型能否转换为TensorFlow Lite格式？

我正在尝试将MTCNN模型从.pb文件转换为.tflite，并在输入和输出形状方面遇到问题。原始输入形状是？x？x3，输出形状是Nx4，其中N是检测到的面数

我尝试将输入形状设置为[None，None，3]，并获取错误None仅在第一维中受支持。然后我将其设置为[500500,3]，并获得其他错误检查失败：批==1500 vs.1。然后我将形状设置为[1500,500,3]，并得到ValueError：张量'input'的形状不能从？，？，3更改为[1500,500,3]。形状的等级必须相等，但为3和4

UPD：我已将原始caffe模型从输入形状[None，None，3]转换为[500500，3]，但这并不能解决问题

---

我想将此模型转换为.tflite格式。我真的可以这样做吗？

虽然这段代码可以解决这个问题，但如何以及为什么解决这个问题会真正有助于提高您的帖子质量，并可能导致更多的投票。请记住，你是在将来回答读者的问题，而不仅仅是现在提问的人。请您的回答添加解释，并说明适用的限制和假设。这将不起作用，因为API用于保存的_模型时，输入是一个冻结的图形。虽然此代码可能会解决问题，但如何以及为什么解决问题将真正有助于提高您的帖子质量，而且可能会得到更多的支持票。请记住，你是在将来回答读者的问题，而不仅仅是现在提问的人。请您的回答添加解释，并说明适用的限制和假设。这将不起作用，因为当API用于保存的模型时，输入是一个冻结的图形。

converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir)
converter.optimizations = [tf.lite.Optimize.DEFAULT]
converter.representative_dataset = representative_dataset
converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS_INT8]
converter.inference_input_type = tf.uint8  # or tf.int8
converter.inference_output_type = tf.uint8  # or tf.int8
tflite_model = converter.convert()


with open('8bit_quantized_model_in_.tflite', 'wb') as f:
  f.write(tflite_model)

def representative_dataset():
    for i in range(<>):
      testimage = cv2.imread('path')
      yield [testimage.astype(np.float32)]