Flutter调用TFLite版SSD MobileNet v2报张量形状不匹配问题

这个报错由转换命令参数错误直接导致，核心问题有两个：

1. 参数混用：--saved_model_dir参数仅适配SavedModel格式的模型目录，如果传入的是单个冻结pb文件路径，会导致转换器读取模型结构错误，输出张量的顺序、形状完全偏离预期
2. 缺少兼容参数：SSD MobileNet V2的TFLite转换依赖内置的TFLite_Detection_PostProcess自定义检测后处理op，原命令未开启旧模型兼容转换逻辑，转出来的模型输出顺序和端侧预设不匹配——Java端代码默认索引为1的输出是形状为[1,10,4]的检测框坐标张量，但实际拿到的是形状[1,10]的检测类别张量，因此抛出形状不匹配错误。

• 先确认原始模型格式，选择对应转换命令：
  如果是从Object Detection API导出的单个.pb冻结图文件，使用如下命令，注意第一个入参替换为原始pb的存放路径，不要和输出tflite路径混淆：

command = "tflite_convert \
--graph_def_file={} \
--output_file={} \
--input_shapes=1,300,300,3 \
--input_arrays=normalized_input_image_tensor \
--output_arrays='TFLite_Detection_PostProcess','TFLite_Detection_PostProcess:1','TFLite_Detection_PostProcess:2','TFLite_Detection_PostProcess:3' \
--inference_type=FLOAT \
--input_data_type=FLOAT \
--allow_custom_ops \
--enable_v1_converter".format(FROZEN_PB_PATH, TFLITE_MODEL)

如果是SavedModel格式的模型目录（目录下包含saved_model.pb和variables子文件夹），使用适配命令即可，不需要手动指定输入输出数组，让转换器自动识别服务签名：

command = "tflite_convert \
--saved_model_dir={} \
--output_file={} \
--inference_type=FLOAT \
--allow_custom_ops \
--signature_key=serving_default".format(SAVED_MODEL_DIR, TFLITE_MODEL)

• 转换版本限制：不要用TensorFlow 2.9及以上版本转旧版Object Detection API导出的SSD MobileNet V2模型，高版本对旧检测后处理op的兼容存在已知问题，推荐用TF2.5~TF2.8区间的版本执行转换。

转完的tflite模型可以直接用Netron打开查看结构，确认四个输出张量的形状、顺序符合端侧预期：

• 索引0输出（检测框）：形状为[1, 10, 4]，对应每个检测框的4个坐标值
• 索引1输出（检测类别）：形状为[1, 10]，对应每个检测结果的类别ID
• 索引2输出（检测分数）：形状为[1, 10]，对应每个检测结果的置信度
• 索引3输出（有效检测数）：形状为[1]，对应当前帧有效检测结果的总数
  如果输出顺序和上述不一致，要么调整转换参数固定输出顺序，要么修改Java端读取输出张量的索引对应关系即可。

内容的提问来源于stack exchange，提问作者irtisam ali