OpenVINO 2022.1中VGG16模型输入形状转换报错求助

错误含义解析 #

Cannot infer shapes or values for node "fc6/WithoutBiases" 错误的核心原因是输入形状修改后，模型特征图尺寸与全连接层的固定输入维度不匹配：

• VGG16的fc6是全连接层，原设计基于输入尺寸224x224：经过5轮卷积+池化（每轮池化步长为2，总下采样倍数32），最终生成的特征图尺寸为7x7，对应fc6的输入神经元数为7*7*512=25088，这是固定值。
• 当你将输入改为300x300时，经过相同池化操作后，特征图尺寸为300/32=9.375（非整数），无法与fc6的固定输入维度对齐，导致模型优化器无法完成形状推断。

OpenVINO对全连接层的支持 #

OpenVINO完全支持全连接层，全连接层是OpenVINO IR（中间表示）格式原生兼容的层类型。你的问题并非源于不支持，而是输入形状修改后与原模型的结构设计冲突。

解决方法 #

针对你的需求，提供两种可行方案：

方案1：调整输入尺寸为兼容值 #

选择能被32整除的输入尺寸（匹配VGG16的总下采样倍数），例如256x256、320x320等。修改后的模型优化器命令示例：

mo --input_model <path_to_model_directory>\vgg16.caffemodel --input data --input_shape [2,3,320,320] -o <path_to_vgg16_fp32_optimized_model_directory>

此时特征图尺寸为320/32=10x10，需同步编辑Caffe模型的prototxt文件，将fc6的输入维度调整为10*10*512=51200，再配合原caffemodel文件运行优化器。

方案2：将全连接层转换为卷积层 #

全连接层可等价转换为对应尺寸的卷积层，从而支持任意输入尺寸：

1. 编辑VGG16的Caffe prototxt文件：
   • 将fc6层替换为卷积层：设置type: "Convolution"，kernel_size: 7，stride: 1，num_output: 4096，移除全连接层的inner_product相关参数。
   • 同理，将fc7替换为kernel_size:1、num_output:4096的卷积层，fc8替换为对应输出类别的1×1卷积层。
2. 使用修改后的prototxt与原caffemodel文件，运行你之前的模型优化器命令即可。

内容的提问来源于stack exchange，提问作者Md Maksud-Ul-Kabir Rico