如何让TFLite支持可变输入形状以适配MTCNN人脸检测？

好问题！我之前在部署MTCNN到移动端做人脸检测时，也碰到过同样的需求——默认TFLite确实要求固定输入形状，但针对MTCNN这种多分支模型，有几种实用的方法可以实现可变输入/输出，亲测有效：

1. 开启TFLite的动态形状支持 #

这是最直接的方案，现在TFLite已经原生支持动态输入维度，不需要额外复杂操作：

• 模型转换阶段：用TensorFlow的TFLiteConverter API时，直接把输入形状的宽高设为None（代表可变）。比如针对MTCNN的P-Net，代码大概是这样：

  converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_path)
  converter.input_shapes = {"input": [1, None, None, 3]}  # 1是batch，后两个None对应H和W
  converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS]
  tflite_model = converter.convert()
  

  如果用命令行的tflite_convert工具，就加参数--input_shapes=1,-1,-1,3（-1等价于None）。
• 注意点：MTCNN有P/R/O三个子网络，每个都要单独设置动态输入形状。另外，MTCNN用到的卷积、池化、ReLU这些基础算子都支持动态形状，转换时一般不会报错，如果碰到不支持的算子，TFLite会给出明确提示。
• 推理阶段：直接传入任意尺寸的输入图像（比如1920×1080或640×360），不需要做形状调整，TFLite会自动适配。

2. 指定多组固定输入形状（适合已知有限尺寸的场景） #

如果你的业务场景里只需要支持几种固定的输入尺寸（比如你提到的1920×1080和640×360），可以在转换时同时指定这些形状，TFLite会生成一个兼容所有指定尺寸的优化模型：

• 用API的话，把input_shapes设为包含多个形状的列表：

  converter.input_shapes = {"input": [[1, 1080, 1920, 3], [1, 360, 640, 3]]}
  

  命令行则用--input_shapes=1,1080,1920,3;1,360,640,3（分号分隔多个形状）。
• 这种方法的优势是模型会针对每个指定尺寸做专门优化，推理速度可能比纯动态形状更快，适合输入尺寸范围有限的场景。

3. 自定义算子（极端情况备用） #

如果上面两种方法都因为某些特殊算子不支持而失败（这种情况很少见，MTCNN基本不会碰到），可以考虑自定义TFLite算子。不过这个方法门槛较高，需要用C++编写算子的实现逻辑，然后注册到TFLite的算子库中，一般不推荐作为首选方案。

额外注意事项 #

• 转换完成后，可以用Netron工具打开TFLite模型，检查输入节点的形状是否显示为1,?, ?,3（动态）或者包含多个指定形状，确认转换成功。
• 推理时，输出的人脸框数量会随输入尺寸变化，TFLite会自动处理动态输出，直接获取输出张量即可，不需要预先分配固定大小的输出缓冲区。

内容的提问来源于stack exchange，提问作者Lxf