Tensorflow EDGE#TPU编译器错误：没有'；无法找到内置操作码的op'；调整最近邻的大小'；版本'；3'；定制蛋黄酱

我已经对我的模型进行了深色训练，并使用它将我的深色权重转换为h5

为了量化，我用泄漏的relu替换了relu。 然后，我的模型通过使用tf nightly成功地转换为tflite模型

但是，我无法通过调整最近邻错误将模型解析为edgetpu。 据我所知，在中支持调整最近邻居的大小 那么为什么会发生这种错误呢？ 有办法解决吗

以下是我的tflite转换代码：

import tensorflow as tf
import numpy as np
import sys

def representative_dataset_gen():
    for _ in range(250):
        yield [np.random.uniform(0.0, 1.0, size=(1, 416, 416, 3)).astype(np.float32)]

if len(sys.argv) != 3:
    print(f"Usage: {sys.argv[0]} <keras-model> <output-filename>")
    sys.exit(1)

model_fn = sys.argv[1]
out_fn = sys.argv[2]

# Convert and apply full integer quantization
converter = tf.compat.v1.lite.TFLiteConverter.from_keras_model_file(model_fn)
converter.optimizations = [tf.lite.Optimize.DEFAULT]
converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS_INT8,
                                       tf.lite.OpsSet.SELECT_TF_OPS]
#converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS_INT8]
# Set inputs and outputs of network to 8-bit unsigned integer
converter.inference_input_type = tf.uint8
converter.inference_output_type = tf.uint8
converter.representative_dataset = representative_dataset_gen
tflite_model = converter.convert()

open(sys.argv[2], "wb").write(tflite_model)

将tensorflow导入为tf
将numpy作为np导入
导入系统
def代表_数据集_gen（）：
对于范围内的（250）：
产量[np.random.uniform（0.0,1.0，size=（1416416,3））.aType（np.float32）]
如果len（sys.argv）！=三：
打印（f“用法：{sys.argv[0]}”）
系统出口（1）
模型_fn=sys.argv[1]
out_fn=sys.argv[2]
#转换并应用全整数量化
converter=tf.compat.v1.lite.TFLiteConverter.from\u keras\u model\u文件（model\u fn）
converter.optimizations=[tf.lite.Optimize.DEFAULT]
converter.target\u spec.supported\u ops=[tf.lite.OpsSet.TFLITE\u BUILTINS\u INT8，
tf.lite.optset.SELECT\u tf\u OPS]
#converter.target\u spec.supported\u ops=[tf.lite.optset.TFLITE\u BUILTINS\u INT8]
#将网络的输入和输出设置为8位无符号整数
converter.inference\u input\u type=tf.uint8
converter.inference\u输出类型=tf.uint8
converter.representative\u dataset=representative\u dataset\u gen
tflite_model=converter.convert（）
打开（sys.argv[2]，“wb”）.write（tflite_模型）

---

我来自coral团队，我正计划亲自研究yolov3型号，只是还没有足够的带宽：） 以下是我收集到的一些提示：

• 用户在将

  leaky_relu

  更改为

  relu

  后能够成功编译模型，尽管准确性可能会降低。我知道你提到过这一点，但我想把它放在列表上，供其他用户参考

• 其次，我怀疑您每晚都在使用

  tf

  或某种更新的tf版本进行转换？如果是这样，我建议降级到tf2.2，编译器还不支持相同ops的某些较新版本

• 尝试关闭

  MLIR

  converter。另外，发布的

  edgetpu\u编译器版本与
  MLIR
  

lmk如果你发现了一些成功，也很乐意尝试一下！

---

仅供参考：我已转换了yolov4，但架构师只允许在edgetpu上运行1/962操作，因此这是一个不好的选择。

我已更改为tf2.2，并使用了TOCO转换器。现在我无法转换模型，现在的问题是：

：0:错误：转换时失败：“main”：flex运行时支持的操作（通过设置-emit select tf Ops标志启用）：ResizeNearestNeighbor，ResizeNearestNeighbor.

我也曾在tf上尝试过通过设置

实验性的u new_uuuconverter=False关闭MLIR转换器，但结果是一样的。通过查看netron，我看到模型已被量化，并已转换为Toco。嘿，对不起，我认为您还需要使用tf2.2进行培训：/请查看以下答案：为了澄清，我的建议是，模型的创建和培训也应在tf2.2中完成，不仅仅是tflite转换。我认为量化感知训练是目前的解决方案：D