TensorFlow转ONNX失败：RFFT/FFT仅支持ComplexAbs而非Real/Imag

尝试将TensorFlow SPICE模型通过tf2onnx转换为ONNX格式时遇到错误，执行的转换命令及错误信息如下：

转换SavedModel格式：

python -m tf2onnx.convert --saved-model .\spice --output model.onnx --opset 11 --verbose

错误日志片段：

2023-04-08 18:33:10,811 - ERROR - tf2onnx.tfonnx: Tensorflow op [Real: Real] is not supported
2023-04-08 18:33:10,812 - ERROR - tf2onnx.tfonnx: Tensorflow op [Imag: Imag] is not supported
2023-04-08 18:33:10,879 - ERROR - tf2onnx.tfonnx: Unsupported ops: Counter({'Real': 6, 'Imag': 6})
...
ValueError: make_sure failure: Current implementation of RFFT or FFT only allows ComplexAbs as consumer not {'Real', 'Imag'}

转换TensorFlow Lite模型时出现相同错误：

python -m tf2onnx.convert --opset 16 --tflite .\lite-model_spice_1.tflite --output spice.onnx

错误日志片段：

ValueError: make_sure failure: Current implementation of RFFT or FFT only allows ComplexAbs as consumer not {'Imag', 'Real'}

环境信息：Windows 11、Python 3.10.10、TensorFlow 2.12，首次接触TensorFlow/ONNX，咨询以下问题：

1. 错误与TensorFlow、tf2onnx还是模型相关？
2. 更换环境（如Linux或其他TF版本）能否解决？
3. 如何修复该问题？

1. 错误来源分析
   这个错误核心是tf2onnx的实现限制：模型中使用了Real/Imag操作提取复数张量的实部和虚部，但当前tf2onnx对RFFT/FFT的转换逻辑仅支持后续接ComplexAbs操作，不支持直接提取实部、虚部的场景，和TensorFlow本身关系不大。

2. 更换环境能否解决
   更换Linux系统大概率无效；升降TensorFlow版本也很难解决问题——因为核心限制在tf2onnx的转换逻辑里，除非新版本tf2onnx修复了该问题，或者TensorFlow对RFFT/Real/Imag的实现逻辑有本质变更（可能性极低）。

3. 修复方法

• 升级tf2onnx到最新版本：优先执行pip install --upgrade tf2onnx，检查是否已修复Real/Imag算子的支持，或放宽了RFFT后续节点的限制。
• 修改模型结构：如果无法升级tf2onnx，可尝试修改原模型，用张量切片替代原生Real/Imag算子——复数张量通常会将实部和虚部拼接在最后一维，直接切片即可获取对应部分。
• 自定义ONNX算子：若转换后仍有不支持的算子，可为Real/Imag注册自定义ONNX算子，在ONNX Runtime中实现对应逻辑，但需要一定开发成本。
• 尝试其他转换工具：比如使用TensorFlow原生ONNX导出功能（若支持），或尝试ONNX-TensorFlow反向转换工具，但这类工具的兼容性通常不如tf2onnx。

内容的提问来源于stack exchange，提问作者mihca