如何通过使用自定义操作的模型从源代码构建tensorflow，这些操作是现有操作的重命名版本？
如何通过使用自定义操作的模型从源代码构建tensorflow，这些操作是现有操作的重命名版本？
提问于 2021-04-21 21:33:37
我有一个.tflite模型，它使用名为MaxPoolingWithArgmax2D、MaxUnpooling2D和Convolution2DTransposeBias的自定义操作。这些操作实际上不是自定义操作，因为它们已经存在于tensorflow中(MaxPoolWithArgmax、MaxUnpooling2D、conv2d_transpose)
在咨询了this guide之后，我发现我必须为这些操作编写一个内核和一个接口。
有没有一种方法可以构建tensorflow源代码，而无需为这些操作编写自定义实现，因为它们已经存在于库中？唯一的问题是，我使用的模型已经将它们重命名，因此它们被识别为自定义操作。我的目标是使用这个模型进行推理。
编辑:这些操作不是select操作。它们是存在于基础库中的内置操作。但是，编写此模型的人对它们进行了重命名，这使得它们成为自定义操作。
编辑2:供参考的照片：
回答 1
Stack Overflow用户
发布于 2021-04-22 05:19:45
您可以通过TFLite中的选择TF选项启用现有TF操作。
例如，在转换阶段，您可以启用它们：
converter.target_spec.supported_ops = [
tf.lite.OpsSet.TFLITE_BUILTINS, # enable TensorFlow Lite ops.
tf.lite.OpsSet.SELECT_TF_OPS # enable TensorFlow ops.
]对于推理阶段，请确保链接了select tf依赖项。使用TF Python API时，会自动开启。
请参考此link。
在自定义运算符中，其中一些的自定义运算符实现正在作为感知运算符包分发。
from tensorflow.lite.kernels.perception import pywrap_perception_ops as perception_ops_registerer
from tensorflow.lite.python import interpreter as interpreter_wrapper
interpreter = interpreter_wrapper.InterpreterWithCustomOps(
model_content=model,
custom_op_registerers=[
perception_ops_registerer.PerceptionOpsRegisterer
])请看一下这个link。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/67196996
复制相关文章
相似问题
腾讯云开发者
