TensorFlow Lite Micro报错REDUCE_PROD算子不支持，如何运行三维输入模型？

• 使用Seeed Studio XIAO开发板进行机器学习开发，参考官方XIAO BLE Sense TFLite入门教程
• 示例模型输入尺寸为[None, time_steps * num_features]，对应输入实例为[1, 119 samples * 6 IMU features]，对应的.ino文件可正常运行
• 自行训练的模型输入尺寸为[None, 30(time_steps), 6(num_features)]，结构为：输入层(None, 30, 6) → 2个全连接层 → Flatten层 → 最终全连接层(None, 4)
• 将模型转换为.tflite和.h文件加载到Arduino后，串口输出报错：

20:26:45.976 -> Didn't find op for builtin opcode 'REDUCE_PROD' version '1'. An older version of this builtin might be supported. Are you using an old TFLite binary with a newer model?
20:26:45.976 ->
20:26:45.976 -> Failed to get registration from op code REDUCE_PROD

• 尝试将Flatten()替换为Reshape()后，仍出现相同报错，询问如何在TensorFlow Lite for Microcontroller应用中运行输入尺寸为[None, time_steps, num_features]的模型

1. 解决REDUCE_PROD算子兼容问题 #

TFLite Micro对算子的版本支持有限，REDUCE_PROD v1可能未被当前开发板使用的TFLite库支持，可尝试两种方式：

• 降级TensorFlow版本：使用和官方教程一致的TensorFlow版本（如2.8或2.9版本）重新训练并转换模型，这类版本的REDUCE_PROD算子版本更低，兼容性更好
• 转换时指定兼容算子集：在模型转换脚本中添加配置，限制使用TFLite原生支持的算子，示例代码：

  converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS]
  

  若必须使用扩展算子，可添加tf.lite.OpsSet.SELECT_TF_OPS，但会增大固件体积，需考虑XIAO的内存限制

2. 调整模型结构适配TFLite Micro #

• 扁平化输入提前处理：训练阶段就将输入数据从(样本数, 30, 6)reshape为(样本数, 180)，模型输入层设为[None, 180]，后续全连接层直接处理扁平化数据，完全避免用到Flatten/Reshape或REDUCE_PROD算子
• 替换Flatten为兼容算子：若需保留时序结构，使用TFLite Micro支持的GlobalAveragePooling1D或GlobalMaxPooling1D替代Flatten层，再连接全连接层，这类算子兼容性远高于Flatten/Reshape

3. 更新TFLite Micro库 #

在Arduino库管理器中找到TensorFlow Lite for Microcontrollers库，更新到最新稳定版，新版库会新增更多算子支持，可能解决REDUCE_PROD的兼容问题

4. 模型转换的关键设置 #

• 固定输入形状：TFLite Micro不支持动态batch维度（即None），转换时需指定固定输入形状为[1, 30, 6]，示例转换脚本：

  import tensorflow as tf
  
  converter = tf.lite.TFLiteConverter.from_keras_model(your_trained_model)
  converter.optimizations = [tf.lite.Optimize.DEFAULT]
  converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS]
  # 指定固定输入形状，替换input_layer为你的模型输入层名称
  converter.input_shapes = {'input_layer': [1, 30, 6]}
  converter.inference_input_type = tf.float32 # 可根据需求改为int8量化
  converter.inference_output_type = tf.float32
  
  tflite_model = converter.convert()
  with open("your_model.tflite", "wb") as f:
      f.write(tflite_model)
  

• 转换为.h文件时，使用xxd工具的正确命令：

  xxd -i your_model.tflite > your_model.h
  

内容的提问来源于stack exchange，提问作者Yi Zheng