为什么tensorflow TFLiteConverter.from_会话要求输入和输出的大小相同

我正在尝试使用TFLiteConverter转换我的网络。所以我首先尝试了示例代码。它起作用了。但经过一些修改后，它会发回错误。似乎输入数组和输出数组的大小必须相同。我只是不明白为什么。有人能帮我吗

我将img的大小从修改为[1,64,64,3]，将var的大小从[1,64,3,1]修改为[1,64,3,1] 完整的代码粘贴在下方

在此处输入代码

import tensorflow as tf

img = tf.placeholder(name="img", dtype=tf.float32, shape=(1, 64, 64, 1))
var = tf.get_variable("weights", dtype=tf.float32, shape=(1, 64, 3, 1))
val = tf.matmul(img,var)
out = tf.identity(val, name="out")

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(val.shape)
    converter = tf.lite.TFLiteConverter.from_session(sess, [img], [out])
    tflite_model = converter.convert()
    open("converted_model.tflite", "wb").write(tflite_model)

错误消息：

---

ValueError:对于输入形状为[1,64,64,1]、[1,64,3,1]的“MatMul”（op:“BatchMatMulV2”），维度必须相等，但为1和3。问题不在于TFLite转换，而在于首先构建图形

tf.matmul

对张量中最内层的2D矩阵进行运算。因此，在您的例子中，您试图将形状为

64x1

的矩阵乘以大小为

3x1

的矩阵，这是无效的。矩阵乘法要求第一个操作数的列等于第二个操作数的行，但此处

 1！=3

所以它不起作用

例如，将

3

替换为

1

，则它将工作：

import tensorflow as tf

img = tf.placeholder(name="img", dtype=tf.float32, shape=(1, 64, 64, 1))
var = tf.get_variable("weights", dtype=tf.float32, shape=(1, 64, 3, 1))
val = tf.matmul(img,var)
out = tf.identity(val, name="out")