Tensorflow 将Keras-Gru模型转换为tf-lite

我正在尝试将我的定制Keras模型（带有两个双向GRU层）转换为tf lite，以便在移动设备上使用。我将模型转换为protobuff格式，并尝试使用TensorFlow提供的代码进行转换：

converter = tf.lite.TFLiteConverter.from_frozen_graph('gru.pb', input_arrays=['input_array'], output_arrays=['output_array'])
tflite_model = converter.convert()

当我执行此操作时，它会运行一段时间，然后出现以下错误：

F tensorflow/lite/toco/tooling_util.cc:1455] Should not get here: 5

因此，我查找了该文件，其中说明了以下内容：

void MakeArrayDims(int num_dims, int batch, int height, int width, int depth,
                   std::vector<int>* out_dims) {
  CHECK(out_dims->empty());
  if (num_dims == 0) {
    return;
  } else if (num_dims == 1) {
    CHECK_EQ(batch, 1);
    *out_dims = {depth};
  } else if (num_dims == 2) {
    *out_dims = {batch, depth};
  } else if (num_dims == 3) {
    CHECK_EQ(batch, 1);
    *out_dims = {height, width, depth};
  } else if (num_dims == 4) {
    *out_dims = {batch, height, width, depth};
  } else {
    LOG(FATAL) << "Should not get here: " << num_dims;
  }
}

void MakeArrayDims（int num_dims，int batch，int height，int width，int depth，
标准：：矢量*输出（尺寸）{
签出（out_dims->empty（））；
如果（num_dims==0）{
返回；
}else if（num_dims==1）{
检查均衡器（批次，1）；
*out_dims={depth}；
}else if（num_dims==2）{
*out_dims={batch，depth}；
}else if（num_dims==3）{
检查均衡器（批次，1）；
*out_dims={高度、宽度、深度}；
}else if（num_dims==4）{
*out_dims={批次、高度、宽度、深度}；
}否则{
LOG（致命）TFLite似乎只接受维度为Not的张量，但我已经有一段时间没有看了。TFLite似乎只接受维度为Not的张量，但我已经有一段时间没有看了。