TensorFlow模型序列化错误求助：Android部署及TFLite转换问题

看起来你遇到的核心问题是Keras模型导出为TensorFlow图时，Dropout层的训练模式节点没有正确切换到推理模式，加上模型保存方式不符合Android和TFLite的要求，导致图序列化出错。我来一步步帮你排查修复：

错误根源解析 #

你看到的NodeDef预期输入为空，但实际指定了1个输入错误，指向dropout_1/cond/dropout/random_uniform/max = Const节点——这是因为Keras的Dropout层在训练模式下会生成依赖随机输入的节点，但在推理模式下这些节点应该被禁用（推理时不做丢弃）。如果导出模型前没有切换到推理模式，这些训练专用节点会留在图里，违反TensorFlow的序列化规范。

另外，你当前的模型保存方式（只存h5和ckpt）没有生成Android/TFLite需要的标准SavedModel格式，缺少必要的签名和元数据，导致加载失败。

具体修复步骤 #

1. 强制切换到推理模式 #

在导出模型前，添加一行代码关闭Keras的训练模式：

# 切换到推理模式，禁用Dropout等训练专用操作
k.set_learning_phase(0)

2. 替换模型保存逻辑，导出标准SavedModel #

把你代码中原来的ckpt保存和h5保存部分，替换成下面的代码（这会生成符合TensorFlow规范的SavedModel，Android和TFLite都能正确识别）：

# 获取当前Keras会话
sess = k.get_session()

# 定义模型的输入输出签名（告诉TensorFlow如何处理输入输出）
predict_signature = predict_signature_def(
    inputs={'accelerations_input': model.input},  # 和你模型第一层的name对应
    outputs={'exercise_prediction': model.output} # 和你输出层的name对应
)

# 构建并保存SavedModel
saved_model_path = './saved_exercise_model'
builder = saved_model_builder.SavedModelBuilder(saved_model_path)
builder.add_meta_graph_and_variables(
    sess,
    [tag_constants.SERVING],  # 标记为服务推理用
    signature_def_map={
        signature_constants.DEFAULT_SERVING_SIGNATURE_DEF_KEY: predict_signature
    }
)
builder.save()

# 同时保存h5模型作为备份（可选）
model_h5_name = 'model_acc_' + str(acc) + '.h5'
model.save(model_h5_name)

3. 移除旧的ckpt保存代码 #

删掉这两行没用的代码：

saver = tf.train.Saver()
saver.save(k.get_session(), '$(pwd)/keras_model.ckpt')

4. 转换为TFLite的正确方式 #

用生成的SavedModel直接转换，避免从h5转换的问题：

# 转换为TFLite模型
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_path)
tflite_model = converter.convert()

# 保存TFLite模型
with open('exercise_model.tflite', 'wb') as f:
    f.write(tflite_model)

额外注意事项 #

• 确保你的TensorFlow版本和Android中使用的TensorFlow Lite版本兼容（比如TF 1.15对应TFLite 1.15，或者升级到TF 2.x会更稳定）。
• 加载到Android时，直接使用SavedModel的路径或者转换后的TFLite模型，不要用原始的.pb文件（SavedModel是包含多个文件的目录，Android可以直接加载，或者转成TFLite更轻量）。

这样修改后，你的模型应该能正常序列化，并且在Android和TFLite中正常运行了。

内容的提问来源于stack exchange，提问作者Dino Apicella