Tensorflow Lite调试
操作符支持有限目前Tensorflow Lite中支持的Operator十分有限,导出模型中如果存在不支持的Operator将导致模型无法转换。 解决方案： 自定义Operator (难度高) 在项目中自己实现相应Operator的算法逻辑 （难度中等） 模型输入尺度固定每一个转换的模型都有固定的输入尺寸，而我们的项目中存在多种尺度的输入，如果每一种尺度对应一个的模型，那么将会增加模型的数量和大小，同时也增加了使用难度。 解决方案： 通过加载一个model，可以生成N个Interpreter(模型代理对象)，同时Interpreter可以动态ResizeInputTensor,理论上也可以支持N种尺度的输出。 模型大小优化 移动端对于Model的大小有很高的要求，因此模型优化十分重要。Tensorflow Lite 的模型优化主要依赖于Tensorflow model 的优化。 主要有两种方案： 在模型优化的时候使用–transforms=’quantize_weights’，优化后的模型为原始模型的70%左右，压缩率极低，同时会导致模型精度的损失，一般不推荐采用。 在模型优化的时候使用...