导出自定义检测模型为TFLite时遇KeyError:1720求助

错误原因 #

这个错误是因为你的自定义目标检测TFLite模型的输出张量索引，和ObjectDetectorWriter.create_for_inference()方法预设的标准SSD类模型输出索引不匹配。该快捷方法默认假设模型输出符合固定结构的张量索引，但你的模型导出后输出索引发生了变化，导致找不到索引为1720的张量。

解决步骤 #

1. 先确认模型实际的输出张量信息 #

运行以下代码，打印模型所有输出张量的索引、名称和形状，明确你的模型真实输出结构：

import tensorflow as tf

interpreter = tf.lite.Interpreter(model_path="/content/detect.tflite")
interpreter.allocate_tensors()

# 遍历输出张量详情
output_details = interpreter.get_output_details()
for detail in output_details:
    print(f"索引: {detail['index']}, 名称: {detail['name']}, 形状: {detail['shape']}")

执行后你会得到类似索引:0、索引:1这类真实的输出张量索引，替换掉预设的1720。

2. 手动指定输出张量索引构建元数据 #

放弃使用create_for_inference()快捷方法，改用手动指定参数的方式构建元数据writer，示例代码如下：

from tensorflow_lite_support.metadata.python.metadata_writers import object_detector
from tensorflow_lite_support.metadata.python.metadata_writers import writer_utils
from tensorflow_lite_support.metadata import schema_py_generated as _metadata_fb

_MODEL_PATH = "/content/detect.tflite"
_LABEL_FILE = "/content/labelmap.txt"
_SAVE_TO_PATH = "/content/tflite_with_metadata/detect.tflite"

# 加载模型和标签文件
model_buffer = writer_utils.load_file(_MODEL_PATH)
label_buffer = writer_utils.load_file(_LABEL_FILE)

# 替换为第一步查到的真实输出张量索引（示例为0、1、2，根据你的实际情况修改）
output_tensor_indices = [0, 1, 2]

# 手动构建元数据writer
writer = object_detector.MetadataWriter(
    model_buffer=model_buffer,
    input_metadata=object_detector.InputMetadata(
        name="image",
        content=_metadata_fb.ContentT(contentProperties=_metadata_fb.ImagePropertiesT(colorSpace=_metadata_fb.ColorSpaceType.RGB)),
        normalization=_metadata_fb.ProcessUnitT(options=_metadata_fb.NormalizationOptionsT(mean=[127.5], std=[127.5]))
    ),
    output_metadata=[
        # 检测框输出元数据（对应你的第一个输出张量）
        object_detector.OutputMetadata(
            name="bounding_boxes",
            content=_metadata_fb.ContentT(contentProperties=_metadata_fb.BoundingBoxPropertiesT(type=_metadata_fb.BoundingBoxType.BOUNDING_BOX, coordinateType=_metadata_fb.CoordinateType.RATIO)),
            associated_files=[object_detector.AssociatedFile(label_buffer, "labels.txt")]
        ),
        # 类别输出元数据（对应你的第二个输出张量）
        object_detector.OutputMetadata(
            name="classes",
            content=_metadata_fb.ContentT(contentProperties=_metadata_fb.ClassificationPropertiesT()),
            associated_files=[object_detector.AssociatedFile(label_buffer, "labels.txt")]
        ),
        # 置信度分数输出元数据（对应你的第三个输出张量）
        object_detector.OutputMetadata(
            name="scores",
            content=_metadata_fb.ContentT(contentProperties=_metadata_fb.ClassificationPropertiesT()),
            associated_files=[object_detector.AssociatedFile(label_buffer, "labels.txt")]
        )
    ],
    output_tensor_indices=output_tensor_indices
)

# 保存带元数据的模型
writer_utils.save_file(writer.populate(), _SAVE_TO_PATH)

# 验证元数据
displayer = metadata.MetadataDisplayer.with_model_file(_SAVE_TO_PATH)
print("Metadata populated:")
print(displayer.get_metadata_json())
print("Associated file(s) populated:")
print(displayer.get_packed_associated_file_list())

注意：需要根据第一步查到的输出张量的实际含义（哪个是检测框、哪个是类别、哪个是分数），对应调整output_metadata的顺序和内容。

3. 检查模型导出流程 #

确认你导出TFLite模型时，没有修改默认输出节点，或者使用TensorFlow Object Detection API导出时，参数配置正确，确保所有必要的输出张量都被包含在导出的模型中。

内容的提问来源于stack exchange，提问作者Grandpa