尝试使用预训练的Keras图像分类器测试TensorFlow Lite，在将H5转换为tflite格式后，我的预测会变得更糟 . 这是预期的行为（例如权重量化），错误还是我在使用解释器时忘记了什么？
示例
from imagesoup import ImageSoup
from tensorflow.keras.applications.resnet50 import ResNet50, preprocess_input, decode_predictions
from tensorflow.keras.preprocessing.image import load_img, img_to_array
# Load an example image.
ImageSoup().search('terrier', n_images=1)[0].to_file('image.jpg')
i = load_img('image.jpg', target_size=(224, 224))
x = img_to_array(i)
x = x[None, ...]
x = preprocess_input(x)
# Classify image with Keras.
model = ResNet50()
y = model.predict(x)
print("Keras:", decode_predictions(y))
# Convert Keras model to TensorFlow Lite.
model.save(f'{model.name}.h5')
converter = tf.contrib.lite.TocoConverter.from_keras_model_file
tflite_model = converter(f'{model.name}.h5').convert()
with open(f'{model.name}.tflite', 'wb') as f:
f.write(tflite_model)
# Classify image with TensorFlow Lite.
f = tf.contrib.lite.Interpreter(f'{model.name}.tflite')
f.allocate_tensors()
i = f.get_input_details()[0]
o = f.get_output_details()[0]
f.set_tensor(i['index'], x)
f.invoke()
y = f.get_tensor(o['index'])
print("TensorFlow Lite:", decode_predictions(y))
Keras：[[（'n02098105'，'soft-coated_wheaten_terrier'，0.70274395），（'n02091635'，'otterhound'，0.0885325），（'n02090721'，'Irish_wolfhound'，0.06422518），（'n02093991'，'Irish_terrier '，0.040120784），（'n02111500'，'Great_Pyrenees'，0.03408164）]] TensorFlow Lite：[[（'n07753275'，'pineapple'，0.94529104），（'n03379051'，'football_helmet'，0.033994876），（'n03891332 '，'parking_meter'，0.011431991），（'n04522168'，'vase'，0.0029440755），（'n02094114'，'Norfolk_terrier'，0.0022089847）]]
2 回答
TensorFlow 1.10中的
from_keras_model_file中有一个错误 . 它是在this commit的8月9日夜间版本中修复的 .每晚都可以通过
pip install tf-nightly安装 . 此外，它将在TensorFlow 1.11中修复 .您是否确保将学习阶段设置为0以避免在预测阶段中出现Dropout和其他非确定性层？
https://www.tensorflow.org/api_docs/python/tf/keras/backend/learning_phase