寻求可转换为TensorRT的TensorFlow tf.abs()替代实现方案

我之前也碰到过类似的TensorRT UFF解析器兼容问题，针对你这个tf.abs()的情况，有几个简单可靠的替代实现，你可以在导出冻结模型前修改TensorFlow代码：

方案1：用tf.maximum()模拟绝对值 #

绝对值的核心逻辑就是取输入值和它的相反数中的较大值，这个组合操作完全依赖TensorRT UFF解析器支持的基础运算：

# 原代码
y = tf.abs(x)
# 替换后的代码
y = tf.maximum(x, -x)

这个写法简洁高效，而且和原tf.abs()的计算结果完全一致，不会引入任何精度损失。

方案2：用tf.where()条件分支实现 #

如果需要更直观的条件判断逻辑，也可以用tf.where()结合比较操作来实现绝对值：

# 原代码
y = tf.abs(x)
# 替换后的代码
condition = tf.greater_equal(x, 0.0)
y = tf.where(condition, x, tf.negative(x))

这里用到的tf.greater_equal、tf.where和tf.negative都是UFF解析器兼容的标准操作，不会触发解析错误。

方案3：用tf.nn.relu组合实现 #

利用ReLU函数只保留非负值的特性，绝对值可以拆分为输入的正部分加上输入相反数的正部分：

# 原代码
y = tf.abs(x)
# 替换后的代码
y = tf.nn.relu(x) + tf.nn.relu(-x)

这个方案同样能精准复现tf.abs()的效果，而且ReLU是TensorRT优化得很好的操作，对后续引擎的性能也没有影响。

注意事项 #

• 替换完成后，一定要先在TensorFlow环境中验证模型的输出结果和原模型完全一致，确保逻辑没有偏差；
• 验证通过后再导出冻结模型，使用UFF转换器转换后导入TensorRT 3构建引擎。

内容的提问来源于stack exchange，提问作者Blue