Tensorflow 试图从冻结的TF模型中获取openVino IR

我有一个给定的inceptionV2模型，我想使用NCS2在rPi上工作。例子很好用。现在，我得到的模型是基于ssd_inceptionv2演示的，我知道它是有效的，因为我已经能够将该演示的冻结pb转换为IR bin和xml文件，并成功地在pi上运行它们。但是，当我尝试将给定模型转换为IR时，它失败了。更具体地说，它以不同的方式失败，这取决于我如何尝试转换它

给定的模型有一个冻结的.pb文件、检查点文件和一个.pbtxt文件。转换.pb文件我使用的命令是：

python3 /opt/intel/computer_vision_sdk/deployment_tools/model_optimizer/mo_tf.py 
  --input_model frozengraph.pb 
  --tensorflow_use_custom_operations_config /opt/intel/computer_vision_sdk/deployment_tools/model_optimizer/extensions/front/tf/ssd_v2_support.json 
  --tensorflow_object_detection_api_pipeline "PATH"/pipeline.config 
  --reverse_input_channels 
  --data_type FP16

这就产生了输入形状错误，我用

--input_shape[1299299,3]

进行了补救，但它只会导致错误：

无法推断节点的形状或值

“后处理器/BatchMultiClassNonMaxSuppression/MultiClassNonMaxSuppression/SortByField/TopKV2”

因此，我尝试重新冻结模型并在graph.pbtxt上运行转换。对于这两种方法，它都会抛出错误，因为节点数分别为0和1

---

知道我在这里做错了什么吗？

假设您能够使用冻结的图形检测对象，尝试一次，将命令行参数更改为tensorflow\u object\u detection\u api\u pipeline\u config您使用的是哪个pipeline.config文件？如果您使用的是与自定义模型的冻结图形一起生成的pipeline.config文件，则应该能够创建IR文件。

假设您能够使用冻结图形检测对象，尝试一次，将命令行参数更改为tensorflow\u object\u detection\u api\u pipeline\u config您正在使用哪个pipeline.config文件？如果您使用的是与自定义模型的冻结图一起生成的pipeline.config文件，则应该能够创建IR文件。

Tensorflow模型可能有点棘手，尤其是在模型动物园中修改那些已经相当复杂的模型时。对于您的场景，我想提几件事：

在“使用TensorFlow*-特定转换参数”中，您会发现

使用TensorFlow*生成的模型通常没有完全定义的形状（在某些维度中包含-1）。必须使用命令行参数--input_shape或-b为输入传递显式形状，以仅覆盖批处理维度。如果形状已完全定义，则无需指定-b或--input_形状选项

这方面的一些示例包括，以及“关于模型优化器内部的高级主题”一节中的更多示例

作为记录，我能够从model zoo转换一个微调的更快的\u rcnn\u inception\u v2，而无需指定

--input\u shape

参数，因此它实际上取决于您的模型

此外，这可能是一个打字错误或版本问题，但

--tensorflow\u object\u detection\u api\u pipeline

参数是正式的

--tensorflow\u object\u detection\u api\u pipeline\u config

（如@Bhargavi所述）

---

最后，调试转换命令的一个好方法是使用

--log_level debug

参数查看完整的输出。

Tensorflow模型可能有点棘手，尤其是当您修改模型动物园中已经相当复杂的模型时。对于您的场景，我想提几件事：

在“使用TensorFlow*-特定转换参数”中，您会发现

使用TensorFlow*生成的模型通常没有完全定义的形状（在某些维度中包含-1）。必须使用命令行参数--input_shape或-b为输入传递显式形状，以仅覆盖批处理维度。如果形状已完全定义，则无需指定-b或--input_形状选项

这方面的一些示例包括，以及“关于模型优化器内部的高级主题”一节中的更多示例

作为记录，我能够从model zoo转换一个微调的更快的\u rcnn\u inception\u v2，而无需指定

--input\u shape

参数，因此它实际上取决于您的模型

此外，这可能是一个打字错误或版本问题，但

--tensorflow\u object\u detection\u api\u pipeline

参数是正式的

--tensorflow\u object\u detection\u api\u pipeline\u config

（如@Bhargavi所述）

---

最后，调试转换命令的一个好方法是使用

--log\u level debug

参数查看完整的输出。

请参阅下面的链接

您的命令类似于：

<INSTALL_DIR>/deployment_tools/model_optimizer/mo_tf.py --input_model=/tmp/ssd_inception_v2_coco_2018_01_28/frozen_inference_graph.pb --tensorflow_use_custom_operations_config <INSTALL_DIR>/deployment_tools/model_optimizer/extensions/front/tf/ssd_v2_support.json --tensorflow_object_detection_api_pipeline_config /tmp/ssd_inception_v2_coco_2018_01_28/pipeline.config --reverse_input_channels

/deployment\u tools/model\u optimizer/mo\u tf.py--input\u model=/tmp/ssd\u inception\u v2\u coco\u 2018\u 01\u 28/freezed\u interference\u graph.pb--tensorflow\u use\u custom\u operations\u config/deployment\u tools/model\u optimizer/extensions/front/tf/ssd\u v2\u support.json--\u tensorflow\u对象检测\u api\u pipeline\u config/tmp/ssd\u inception\u v2\u coco\u 2018\u管道配置--反向输入通道

请仔细阅读文档中自定义输入形状中的部分。请添加一个
--日志级调试以查看MO故障的更多详细信息

---

希望这有帮助。

请参考下面的链接

您的命令类似于：

<INSTALL_DIR>/deployment_tools/model_optimizer/mo_tf.py --input_model=/tmp/ssd_inception_v2_coco_2018_01_28/frozen_inference_graph.pb --tensorflow_use_custom_operations_config <INSTALL_DIR>/deployment_tools/model_optimizer/extensions/front/tf/ssd_v2_support.json --tensorflow_object_detection_api_pipeline_config /tmp/ssd_inception_v2_coco_2018_01_28/pipeline.config --reverse_input_channels

/deployment\u tools/model\u optimizer/mo\u tf.py--input\u model=/tmp/ssd\u inception\u v2\u coco\u 2018\u 01\u 28/freezed\u interference\u graph.pb--tensorflow\u use\u custom\u operations\u config/deployment\u tools/model\u optimizer/extensions/front/tf/ssd\u v2\u support.json--\u tensorflow\u对象检测\u api\u pipeline\u config/tmp/ssd\u inception\u v2\u coco\u 2018\u管道配置--反向输入通道

请仔细阅读文档中自定义输入形状中的部分。请添加一个
--日志级调试以查看MO故障的更多详细信息

希望这有帮助