TFLite模型int8量化报Invalid input shapes: expected 1 items got 16 items如何解决

这个报错本质是代表数据集的返回格式不符合TFLite转换器的要求：

• TFLite整数量化要求representative_dataset生成器每次yield的是模型输入的列表/元组，就算你的模型只有1个输入，也需要用列表或单元素元组包裹
• 你代码中写的yield (image_batch)没有加逗号，等价于直接返回shape为(16, 高, 宽, 通道数)的批次张量，转换器会把张量的第一个维度（batch size=16）识别为输入的数量，和你模型仅1个输入的结构冲突，因此抛出expected 1 items got 16 items的错误。

修改representative_dataset函数的返回逻辑即可，提供两种可选改法：

改法1：保持批次输入，修正返回格式 #

仅需要给返回值加一层列表包裹，或者加逗号变成单元素元组：

def representative_dataset():
    for image_batch, labels_batch in val_ds:
        # 用列表包裹单个输入
        yield [image_batch]
        # 或者用带逗号的元组：yield (image_batch,)

改法2：拆为单样本返回（更适配ESP32部署场景） #

ESP32部署时一般是单张图片推理，拆成单样本校准更贴合实际运行场景，也能避免部分旧版本TFLite对批次校准的兼容问题：

def representative_dataset():
    for image_batch, labels_batch in val_ds:
        # 迭代批次内的单张图片
        for single_img in image_batch:
            # 给单张图补充batch维度，再用列表包裹输入
            yield [tf.expand_dims(single_img, axis=0)]

你之前遇到的EndVector() takes 1 positional argument but 2 were given报错本质也是返回格式异常导致的偶发问题，修改返回格式后不需要重启内核也不会复现。
修改完成后重新执行转换逻辑，即可正常生成int8量化的TFLite模型，后续可以直接转为C头文件用于ESP32的TFLite Micro部署。

内容的提问来源于stack exchange，提问作者Pruthvi B.