You need to enable JavaScript to run this app. TFLite转换crop_and_resize算子报Model input is not quantized错误如何解决
优惠活动
大模型
产品
解决方案
定价
更多

TFLite转换crop_and_resize算子报Model input is not quantized错误如何解决

错误根因

模型存在两个输入:

  • 第一个是图像输入,可正常量化为uint8/int8类型
  • 第二个是归一化框坐标输入,属于范围固定在[0,1]的浮点辅助输入,不适合直接量化为uint8
    你的代码全局指定inference_input_type = tf.uint8,转换器会尝试将所有输入都量化为uint8,第二个坐标输入无法生成合法的量化参数,因此抛出输入未量化的错误。
修复方案
  1. 取消全局输入类型设置,改为按输入顺序分别指定每个输入的推理类型,坐标输入保留float32格式
  2. 新增开启新量化器的配置,提升自定义算子的量化兼容性
  3. 补充浮点类型到支持类型列表,适配未量化的坐标输入
修改后的转换代码段
# Converter
converter = tf.lite.TFLiteConverter.from_keras_model(model)
converter.optimizations = [tf.lite.Optimize.DEFAULT]
# 开启新量化器,提升兼容性
converter.experimental_new_quantizer = True

converter.target_spec.supported_ops = [
    tf.lite.OpsSet.TFLITE_BUILTINS_INT8,
    tf.lite.OpsSet.SELECT_TF_OPS
]
# 补充float32到支持类型,适配未量化的坐标输入
converter.target_spec.supported_types = [tf.int8, tf.float32]

# 按输入顺序指定类型:第一个图像输入用uint8,第二个坐标输入保留float32
converter.inference_input_type = [tf.uint8, tf.float32]
converter.inference_output_type = tf.uint8

converter.representative_dataset = representative_dataset_generator
quant_model = converter.convert()

# 保存模型示例
with open("quant_crop_model.tflite", "wb") as f:
    f.write(quant_model)
注意事项
  • 推理时第一个输入传入uint8格式的图像数据,第二个输入仍传入float32格式的归一化框坐标即可
  • 如果需要将坐标输入也做量化,需手动指定该输入的量化缩放因子和零点,通常坐标类输入保留浮点精度更高,无需强制量化

内容的提问来源于stack exchange,提问作者Yann POURCENOUX

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.15 20:45:03