Bazel生成TFLite文件错误

之前在目标检测——TensorFlow Lite 安卓口罩人脸检测项目中使用到了Bazel来生成TFLite格式的模型再迁移到安卓端中使用，最近训练了一个语义分割的模型使用同样的方法生成TFLite模型却出现了问题。

---

编译命令：

bazel run tensorflow/lite/toco:toco -- \
--input_file=/home/well/mobile-segmentation/logs/frozen_graph.pb \
--output_file=/home/well/mobile-segmentation/logs/seg.tflite \ 
--input_shapes=1,769,769,3 \
--input_arrays=normalized_input_image_tensor \
--output_arrays='TFLite_Detection_PostProcess','TFLite_Detection_PostProcess:1','TFLite_Detection_PostProcess:2','TFLite_Detection_PostProcess:3' \
--inference_type=FLOAT \
--allow_custom_ops 

报错：2020-04-26 09:43:52.704543: F tensorflow/lite/toco/tooling_util.cc:938] Check failed: GetOpWithOutput(model, output_array) Specified output array “TFLite_Detection_PostProcess” is not produced by any op in this graph. Is it a typo? This should not happen. If you trigger this error please send a bug report (with code to reporduce this error), to the TensorFlow Lite team.
已放弃 (核心已转储)

分析：GetOpWithOutput（model，output_array）此图中的任何操作均未生成指定的输出数组“ TFLite_Detection_PostProcess”，也就是说我们的模型输出跟我们命令中的不一致；然后分析了一下编译命令中的参数意义：

• input_file：输入文件路径，也就是放.pb模型的位置。
• output_file：输出文件，输出的路径和模型的名字，扩展名为.tflite。
• input_shapes：输入维度。
• input_arrays：模型输入名。
• output_arrays：模型输出名。
• inference_type：推断类型。
• allow_custom_ops：是允许一些传统方法。

到这里问题的决绝方法就找到了，input_arrys和output_array必须对应模型中的输入输出的名字，参数值只要改成对应名字就可以了。

---

由于使用的是预训练模型，并不清楚网络的具体结构和名称，所以要使用其他方法来查看网络结构；
summarize_graph可以查看网络节点，在只有一个固化的权重文件而不知道具体的网络结构时非常有用。

bazel-bin/tensorflow/tools/graph_transforms/summarize_graph --in_graph=/home/well/mobile-segmentation/logs/frozen_graph.pb

从输出的结果可以看到，–input_layer=input_0、–input_layer_type=float、
–input_layer_shape=1,255,255,3、–output_layer=Cast，这样我们就得到了我们想要的参数名称。

如果出错的话可以尝试：

 ./configure
 bazel build tensorflow/tools/graph_transforms:summarize_graph
 bazel-bin/tensorflow/tools/graph_transforms/summarize_graph --in_graph=/home/well/mobile-segmentation/logs/frozen_graph.pb

---

修改后的编译命令：

 bazel run tensorflow/lite/toco:toco -- \
 --input_file=/home/well/mobile-segmentation/logs/frozen_graph.pb \
 --output_file=/home/well/mobile-segmentation/logs/seg255.tflite \ 
 --input_shapes=1,255,255,3 \--input_arrays=input_0 \
 --output_arrays=Cast \
 --inference_type=FLOAT \
 --allow_custom_ops 

最终成功编译生成TFLite文件！！！