如何将Kaggle上的TensorFlow 1 BigGAN模型转换为TensorFlow Lite格式？

问题分析与解决方案 #

核心问题

1. TypeError 原因：Hub层对应的BigGAN签名需要接收命名参数（truncation、y、z），而非将所有输入打包成单个列表传入，导致函数调用参数不匹配。
2. model.build() 冗余：使用Keras Input 层时，模型已自动根据输入层定义构建结构，无需手动调用model.build()。

修正后的代码

import tensorflow as tf
import tensorflow_hub as hub
from tensorflow.keras import Input, Model

# 定义输入层，明确指定float32 dtype（匹配BigGAN预期）
input_truncation = Input(shape=(), name='truncation', dtype=tf.float32)
input_y = Input(shape=(1000,), name='y', dtype=tf.float32)
input_z = Input(shape=(128,), name='z', dtype=tf.float32)

# 加载BigGAN Hub模型
hub_layer = hub.KerasLayer(
    "https://www.kaggle.com/models/deepmind/biggan/TensorFlow1/128/2",
    trainable=False,
    signature="default",
    signature_outputs_as_dict=False  # 模型输出为单个张量，无需字典格式
)

# 以命名参数方式传入输入，匹配签名要求
output = hub_layer(truncation=input_truncation, y=input_y, z=input_z)

# 构建Keras模型
model = Model(inputs=[input_truncation, input_y, input_z], outputs=output)

# 查看模型结构
model.summary()

# 保存为SavedModel（Hub层序列化更可靠）
model.save("biggan-128_savedmodel")

# 转换为TensorFlow Lite格式
converter = tf.lite.TFLiteConverter.from_saved_model("biggan-128_savedmodel")
converter.experimental_enable_resource_variables = True  # 兼容TF1模型资源变量
tflite_model = converter.convert()

# 保存TFLite模型
with open("biggan-128.tflite", "wb") as f:
    f.write(tflite_model)

关键修正点

• 参数传递方式：将输入以命名参数形式传入Hub层，而非列表，解决签名函数参数不匹配问题。
• 移除冗余操作：删除model.build()调用，依赖Input层自动构建模型结构。
• SavedModel序列化：先保存为SavedModel再转换为TFLite，确保Hub层正确序列化，避免直接转换Keras模型的潜在问题。
• dtype匹配：明确指定输入层为float32，与BigGAN模型的输入类型一致。

内容的提问来源于stack exchange，提问作者Shinobu HUYUGIRI