对tflite模型进行量化的过程中遇到错误

错误代码：

keras_model = tf.keras.models.load_model('lenet_GPU.h5')
converter = tf.lite.TFLiteConverter.from_keras_model(keras_model)
tflite_model = converter.convert()

报错如下：

ConverterError: d:\Anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\saved_model\save.py:1267:0: error: 'tf.Conv2D' op is neither a custom op nor a flex op :0: note: loc(fused["StatefulPartitionedCall:", "StatefulPartitionedCall"]): called from d:\Anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\saved_model\save.py:1267:0: note: Error code: ERROR_NEEDS_FLEX_OPS :0: error: failed while converting: 'main': Some ops are not supported by the native TFLite runtime, you can enable TF kernels fallback using TF Select. See instructions: https://www.tensorflow.org/lite/guide/ops_select TF Select ops: Conv2D Details: tf.Conv2D(tensor, tensor<3x3x1x8xf32>) -> (tensor) : {data_format = "NHWC", device = "", dilations = [1, 1, 1, 1], explicit_paddings = [], padding = "SAME", strides = [1, 1, 1, 1], use_cudnn_on_gpu = true}

ChatGPT：

这个错误是由于在将 TensorFlow 模型转换为 TensorFlow Lite（TFLite）模型时遇到了不支持的操作。具体来说，错误指出了 'tf.Conv2D' 操作不是自定义操作（custom op）也不是弹性操作（flex op），因此无法在 TFLite 运行时使用。

解决这个问题的一种方法是启用 TensorFlow 内核回退（TF kernels fallback），通过 TF Select 选择需要的操作。你可以按照链接 https://www.tensorflow.org/lite/guide/ops_select 中提供的说明来启用 TF Select。

精选 TensorFlow 算子：

由于 TensorFlow Lite 内置算子库仅支持有限数量的 TensorFlow 算子，所以并非所有模型都可以转换。

为了允许进行转换，用户可以在 TensorFlow Lite 模型中启用特定 TensorFlow 算子的使用。但是，运行带 TensorFlow 算子的 TensorFlow Lite 模型需要引入核心 TensorFlow 运行时，这会增加 TensorFlow Lite 解释器的二进制文件大小。

代码修正：

keras_model = tf.keras.models.load_model('lenet_GPU.h5')
converter = tf.lite.TFLiteConverter.from_keras_model(keras_model)
converter.target_spec.supported_ops = [
  tf.lite.OpsSet.TFLITE_BUILTINS, # enable TensorFlow Lite ops.
  tf.lite.OpsSet.SELECT_TF_OPS # enable TensorFlow ops.
]
tflite_model = converter.convert()