Tensorflow Lite转换报错：No module named tf.contrib.lite

我来帮你搞定这个问题！你遇到的ImportError: No module named tf.contrib.lite主要有两个原因：一是TensorFlow版本更新后，tf.contrib.lite模块已经被调整到了tf.lite下；二是你用错了转换工具——convert_savedmodel是用来转换SavedModel格式的，而你手里的是冻结的.pb图，得用对应的冻结图转换方法。

下面给你一步步的解决方案：

1. 修正模块导入与转换代码 #

根据你使用的TensorFlow版本，选择对应的代码：

如果你用的是TensorFlow 2.x #

直接使用tf.lite.TFLiteConverter.from_frozen_graph来转换冻结图，替换你原来的代码：

#!/usr/bin/env python
import sys
import tensorflow as tf

# 冻结图路径、输出节点名称、输出TFLite路径
frozen_graph_path = "/frozen_inference_graph.pb"
output_nodes = ["your_output_node_name"]  # 替换成你模型的实际输出节点名
tflite_output_path = "/TF_Lite_Model.tflite"

# 初始化转换器
converter = tf.lite.TFLiteConverter.from_frozen_graph(
    frozen_graph_path,
    input_arrays=["your_input_node_name"],  # 替换成模型的实际输入节点名
    output_arrays=output_nodes
)

# 执行转换并保存模型
tflite_model = converter.convert()
with open(tflite_output_path, "wb") as f:
    f.write(tflite_model)

如果你用的是TensorFlow 1.x #

TensorFlow 1.x中tf.contrib.lite确实存在，但你需要确保安装的是完整的TensorFlow包，同时同样要使用冻结图的转换方法（而不是SavedModel的工具）：

#!/usr/bin/env python
import sys
import tensorflow as tf
from tensorflow.contrib.lite.python import lite

frozen_graph_path = "/frozen_inference_graph.pb"
output_nodes = ["your_output_node_name"]
tflite_output_path = "/TF_Lite_Model.tflite"

converter = lite.TFLiteConverter.from_frozen_graph(
    frozen_graph_path,
    input_arrays=["your_input_node_name"],
    output_arrays=output_nodes
)

tflite_model = converter.convert()
with open(tflite_output_path, "wb") as f:
    f.write(tflite_model)

2. 关键注意事项 #

• 一定要替换代码中的your_input_node_name和your_output_node_name：你可以用TensorBoard或者saved_model_cli工具查看冻结图的输入输出节点名称。
• 不需要用Bazel构建TOCO：现在TensorFlow已经把TFLite转换器集成到了官方包中，只要安装正确版本的TensorFlow（pip install tensorflow或conda install tensorflow）就能直接使用。
• 确保Anaconda环境的TensorFlow版本正确：如果是旧项目需要TF 1.x，就安装tensorflow==1.15这类稳定版本；新项目建议用TF 2.x，兼容性更好。

3. 验证转换是否成功 #

执行修正后的代码后，如果你得到了.tflite文件，就可以直接拿到Android项目中使用了——你可以用TensorFlow Lite的Android API加载这个模型进行推理。

内容的提问来源于stack exchange，提问作者Vancore