Android端TensorFlow Lite 2.17版本FULLY_CONNECTED算子兼容问题

错误提示 #

Internal error: Cannot create interpreter: Didn't find op for builtin opcode 'FULLY_CONNECTED' version '12'. An older version of this builtin might be supported. Are you using an old TFLite binary with a newer model?

相关代码 #

模型加载实现 #

@Throws(IOException::class)
fun loadModelFile(
    context: Context,
    modelFileName: String = "constant_output_model.tflite"
): MappedByteBuffer {
    val fileDescriptor = context.assets.openFd(modelFileName)
    val inputStream = FileInputStream(fileDescriptor.fileDescriptor)
    val fileChannel = inputStream.channel
    val startOffset = fileDescriptor.startOffset
    val declareLength = fileDescriptor.declaredLength
    return fileChannel.map(FileChannel.MapMode.READ_ONLY, startOffset, declareLength)
}

解释器初始化代码 #

InterpreterApi.create(
    TfLiteUtils.loadModelFile(this, "voice_detection_2_17_0_new_ops.tflite"),
    InterpreterApi.Options().apply {
        numThreads = 1
    }
)

模型结构（移除Flatten层可正常运行） #

input_shape = (None, 39, 63, 1)  # 输入形状（不含批次维度）
inputs = tf.keras.Input(shape=input_shape[1:])
x = tf.keras.layers.Conv2D(filters=128, kernel_size=(8, 8), activation='relu', padding='same')(inputs)
x = tf.keras.layers.AveragePooling2D(pool_size=(2, 2))(x)
x = tf.keras.layers.Conv2D(filters=64, kernel_size=(3, 3), activation='relu', padding='same')(x)
x = tf.keras.layers.AveragePooling2D(pool_size=(2, 2))(x)
x = tf.keras.layers.Conv2D(filters=128, kernel_size=(3, 3), activation='relu', padding='same')(x)
x = tf.keras.layers.MaxPooling2D(pool_size=(2, 2))(x)
x = tf.keras.layers.Flatten()(x) # *移除这一行模型即可正常运行*
x = tf.keras.layers.Dense(units=256)(x)
x = tf.keras.layers.LeakyReLU(alpha=0.1)(x)
x = tf.keras.layers.Dense(units=2, activation='softmax')(x)
outputs = tf.keras.layers.Dense(units=1)(x)
model = tf.keras.Model(inputs=inputs, outputs=outputs)
return model

环境说明 #

• 使用自行构建的TensorFlow 2.17版本AAR包（Maven暂未提供该版本），尝试com.google.ai.edge.litert:litert:1.0.1时出现相同错误
• 切换至TensorFlow 2.16版本，使用Interpreter API可正常加载运行模型

解决方法 #

• 降级模型转换版本：使用TensorFlow 2.16重新转换Keras模型为TFLite格式，确保模型使用的算子版本与Android端依赖的TFLite库兼容。TensorFlow 2.17默认生成的模型可能使用了更高版本的FULLY_CONNECTED算子，而当前依赖的库尚未支持该版本。
• 替换Flatten层：用Reshape层替代Flatten层，手动指定展平后的形状，避免触发高版本算子。示例代码：

  # 替换x = tf.keras.layers.Flatten()(x)
  x = tf.keras.layers.Reshape((-1,))(x)
  

• 检查TFLite库构建参数：若坚持使用TensorFlow 2.17，需确认自行构建的AAR包是否包含了版本12的FULLY_CONNECTED算子实现，构建时需开启对应算子的编译选项。

内容的提问来源于stack exchange，提问作者Rohan Choudhary