SNPE模型转换：如何配置0维度的模型输入参数

针对你遇到的含无维度输入（arg0、arg1）的TFLite模型转换问题，可尝试以下几种解决方案：

方案1：为无维度输入指定标量维度 #

SNPE的snpe-tflite-to-dlc工具要求所有输入必须提供合法的维度格式，空字符串或0会触发格式错误。对于无维度的标量输入，可将其维度指定为"1"（代表单元素张量，等价于标量），修改后的命令如下：

snpe-tflite-to-dlc \
        --input_network facebook_denoiser.tflite \
        --input_dim audio "1,1,100000" \
        --input_dim arg0 "1" \
        --input_dim arg1 "1" \
        --input_dim arg2 "390,1,768" \
        --input_dim arg3 "1,768" \
        --input_dim arg4 "1,768" \
        --input_dim arg5 "390,1,768" 

方案2：使用SNPE Python API手动配置输入维度 #

如果命令行工具的参数限制无法满足需求，可通过SNPE Python API更灵活地定义输入形状，尤其是对标量输入的处理：

import snpe

# 定义模型路径
tflite_path = "facebook_denoiser.tflite"
dlc_path = "facebook_denoiser.dlc"

# 创建转换配置并设置各输入维度
converter_config = snpe.TfliteConverterConfig()
converter_config.set_input_dim("audio", [1, 1, 100000])
# 为无维度输入设置单元素张量维度
converter_config.set_input_dim("arg0", [1])
converter_config.set_input_dim("arg1", [1])
converter_config.set_input_dim("arg2", [390, 1, 768])
converter_config.set_input_dim("arg3", [1, 768])
converter_config.set_input_dim("arg4", [1, 768])
converter_config.set_input_dim("arg5", [390, 1, 768])

# 执行转换
converter = snpe.TfliteConverter(tflite_path, converter_config)
converter.convert(dlc_path)

方案3：预处理TFLite模型补全输入维度 #

如果上述方法仍失败，可先通过TFLite工具链为无维度输入补全固定维度：

1. 使用TensorFlow Lite Python库加载模型，修改arg0、arg1的输入形状为标量对应的[1]
2. 保存修改后的TFLite模型，再用SNPE工具转换

内容的提问来源于stack exchange，提问作者Zsargul