如何用Python获取TFLite模型中Conv2D层的padding、stride等配置参数

你之前调用的interpreter._get_ops_details()返回的每个算子信息中，自带builtin_options字典字段，Conv2D算子的步长、填充、膨胀系数等配置全部存在该字段中，不需要额外解析模型文件。

可直接提取的Conv2D配置参数包括：

• padding：填充配置，返回值为整数，0对应VALID，1对应SAME
• stride_h/stride_w：特征图高、宽维度的卷积步长
• dilation_h_factor/dilation_w_factor：膨胀卷积的高、宽维度膨胀系数
• fused_activation_function：算子融合的激活函数类型，返回值为整数，0对应无激活，1对应ReLU，3对应ReLU6等

以下是修正了笔误、可直接运行的完整代码：

import tensorflow as tf

# 配置映射字典，把返回的整数转成可读字符串
PADDING_MAP = {0: "VALID", 1: "SAME"}
ACTIVATION_MAP = {0: "NONE", 1: "RELU", 2: "RELU_N1_TO_1", 3: "RELU6", 4: "TANH", 5: "SIGN_BIT"}

SAVED_MODEL_PATH = "TFLITEMODEL_PATH.tflite"
interpreter = tf.lite.Interpreter(model_path=SAVED_MODEL_PATH)

ops = interpreter._get_ops_details()
conv_cnt = 0

for op_index, op in enumerate(ops):
    if op['op_name'] == "CONV_2D":
        conv_cnt += 1
        print(f"===== Conv2D 层 {conv_cnt} =====")
        # 读取输入输出张量信息
        print("输入输出张量信息：")
        for tensor_idx in op['inputs']:
            tensor = interpreter._get_tensor_details(tensor_idx)
            print(f"  {tensor['name']: <45} 形状：{tensor['shape']}")
        # 读取Conv2D配置参数
        conv_options = op['builtin_options']
        print("\n层配置参数：")
        print(f"  填充方式：{PADDING_MAP.get(conv_options['padding'], '未知')}")
        print(f"  步长：(h={conv_options['stride_h']}, w={conv_options['stride_w']})")
        print(f"  膨胀系数：(h={conv_options['dilation_h_factor']}, w={conv_options['dilation_w_factor']})")
        print(f"  融合激活函数：{ACTIVATION_MAP.get(conv_options['fused_activation_function'], '未知')}")
        print("-"*70)

输出示例：

===== Conv2D 层 1 =====
输入输出张量信息：
  Placeholder                                   形状：[  1 224 224   3]
  conv2d/kernel                                 形状：[64  7  7  3]
  conv2d/Conv2D_bias                            形状：[64]

层配置参数：
  填充方式：SAME
  步长：(h=2, w=2)
  膨胀系数：(h=1, w=1)
  融合激活函数：RELU6
----------------------------------------------------------------------
===== Conv2D 层 2 =====
输入输出张量信息：
  block-0/denseblock-0-0/Relu                   形状：[ 1 56 56 64]
  block-0/denseblock-0-0/conv2d/kernel          形状：[32  3  3 64]
  block-0/denseblock-0-0/conv2d/Conv2D_bias     形状：[32]

层配置参数：
  填充方式：SAME
  步长：(h=1, w=1)
  膨胀系数：(h=1, w=1)
  融合激活函数：NONE
----------------------------------------------------------------------

内容的提问来源于stack exchange，提问作者이지연