将ONNX模型转TFLite时出现KeyError: 'input.1'问题求助

问题场景 #

在Google Colab环境中，通过以下命令成功安装onnx-tensorflow：

!git clone https://github.com/onnx/onnx-tensorflow.git
!cd onnx-tensorflow && pip install -e .

执行转换命令将ONNX模型转为TensorFlow冻结图时：

# Convert .onnx model to TensorFlow Freeze Graph
!onnx-tf convert -i "/content/drive/MyDrive/model.onnx" -o "/content/model.pb"

触发如下错误：

tensorflow.python.autograph.pyct.error_utils.MultilineMessageKeyError: in user code:
File "/content/onnx-tensorflow/onnx_tf/backend_tf_module.py", line 99, in call *
output_ops = self.backend._onnx_node_to_tensorflow_op(onnx_node,
File "/content/onnx-tensorflow/onnx_tf/backend.py", line 347, in _onnx_node_to_tensorflow_op *
return handler.handle(node, tensor_dict=tensor_dict, strict=strict)
File "/content/onnx-tensorflow/onnx_tf/handlers/handler.py", line 59, in handle *
return ver_handle(node, **kwargs)
File "/content/onnx-tensorflow/onnx_tf/handlers/backend/conv.py", line 15, in version_11 *
return cls.conv(node, kwargs["tensor_dict"])
File "/content/onnx-tensorflow/onnx_tf/handlers/backend/conv_mixin.py", line 29, in conv *
x = input_dict[node.inputs[0]]

KeyError: 'input.1'

解决步骤 #

• 检查ONNX模型输入节点命名
  使用onnx工具查看模型的输入节点名称，确认是否存在input.1节点或命名不规范问题，在Colab中执行：

  import onnx
  model = onnx.load("/content/drive/MyDrive/model.onnx")
  print("模型输入节点：")
  for input in model.graph.input:
      print(input.name)
  

  若输出中无input.1，说明转换过程中存在节点名称映射异常。

• 禁用strict模式转换
  strict模式会严格遵循ONNX规范，部分模型可能存在兼容问题，添加--strict False参数放宽约束：

  !onnx-tf convert -i "/content/drive/MyDrive/model.onnx" -o "/content/model.pb" --strict False
  

• 重新导出ONNX模型并指定标准输入名称
  如果模型从PyTorch等框架导出，重新导出时显式指定输入节点名称，避免自动生成非标准命名（如input.1）。以PyTorch为例：

  import torch
  model = torch.load("your_model.pth")
  model.eval()
  dummy_input = torch.randn(1, 3, 224, 224)  # 匹配模型输入维度
  torch.onnx.export(model, dummy_input, "model.onnx", input_names=["input"], output_names=["output"])
  

  用新导出的模型重新执行转换。

• 更换onnx-tensorflow稳定版本
  源码版本可能存在兼容性问题，尝试安装稳定版：

  !pip uninstall -y onnx-tensorflow
  !pip install onnx-tensorflow==1.10.0
  

  之后重新执行转换命令。

• 验证ONNX模型有效性
  先确认模型本身无损坏，用ONNX Runtime测试推理：

  import onnxruntime as ort
  import numpy as np
  test_input = np.random.randn(1, 3, 224, 224).astype(np.float32)  # 匹配模型输入维度
  sess = ort.InferenceSession("/content/drive/MyDrive/model.onnx")
  output = sess.run(None, {sess.get_inputs()[0].name: test_input})
  print("模型推理成功，输出形状：", output[0].shape)
  

  若推理失败，需重新导出或修复模型。

内容的提问来源于stack exchange，提问作者Jidan Humaidi M200BSY1350