TensorFlow 1.13.1模型转TFLite遇算子不支持错误如何解决？

针对你遇到的AdjustContrastv2、AdjustHue、AdjustSaturation、RandomUniform这些算子不被TFLite标准运行时支持的问题，结合TensorFlow 1.13.1的特性，给你几个可行的解决思路：

1. 允许自定义算子（快速临时方案） #

按照错误提示的建议，在转换时开启allow_custom_ops参数，这样TFLite转换器会跳过这些算子的兼容性检查，直接生成包含自定义算子的模型。不过要注意，之后部署模型时，你需要为这些算子编写对应的TFLite自定义内核实现，否则运行时会报错。

在TensorFlow 1.13.1中，具体代码写法根据你的模型来源有所不同：

• 如果是从SavedModel转换：

converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir)
converter.allow_custom_ops = True
tflite_model = converter.convert()
open("model.tflite", "wb").write(tflite_model)

• 如果是从Keras模型转换：

converter = tf.lite.TFLiteConverter.from_keras_model(keras_model)
converter.allow_custom_ops = True
tflite_model = converter.convert()
open("model.tflite", "wb").write(tflite_model)

2. 替换不支持的算子为TFLite兼容的等价实现 #

如果不想编写自定义算子，可以尝试用TFLite支持的基础算子组合实现这些功能：

• RandomUniform：如果这个算子是用于训练阶段的数据增强，推理阶段可以直接移除或者替换为固定值；如果是必须保留的逻辑，可用tf.random_uniform，若仍不被支持，考虑用预先生成的常量张量替代。
• AdjustContrastv2/AdjustHue/AdjustSaturation：这些图像预处理算子可以用TF的基础算子手动实现。比如AdjustHue可以通过RGB转HSV、调整H通道、再转RGB的方式实现，这几个转换算子在TF1.13.1的TFLite中是支持的。示例代码如下：

# 替换AdjustHue的示例
def custom_adjust_hue(image, delta):
    hsv = tf.image.rgb_to_hsv(image)
    h, s, v = tf.split(hsv, 3, axis=-1)
    h = tf.math.floormod(h + delta, 1.0)
    hsv_adjusted = tf.concat([h, s, v], axis=-1)
    return tf.image.hsv_to_rgb(hsv_adjusted)

用这个自定义函数替换原模型中的tf.image.adjust_hue，重新训练或导出模型后，再转TFLite就不会有算子不支持的问题了。

3. 考虑升级TensorFlow版本（长期方案） #

TensorFlow 1.13.1是比较老旧的版本，后续的TF1.x版本（比如1.15.x）或者TF2.x对TFLite的算子支持更加完善，很多你现在遇到的算子在新版本中已经被纳入标准支持列表。如果你的项目环境允许升级，这会是最省心的解决方案，不需要额外处理自定义算子或替换逻辑。

内容的提问来源于stack exchange，提问作者sahil makandar