es.davy.ai

Preguntas y respuestas de programación confiables

¿Tienes una pregunta?

Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.

ValorError: Tipo de dato 14 no soportado en el tensor.

Información del sistema
– ¿He escrito código personalizado? : interpreter = tf.lite.Interpreter(model_path="models/saved_model.tflite")
– Plataforma y distribución del sistema operativo: Raspberry Pi 3B+
– Versión de TensorFlow Git: v2.4.0-0-g582c8d2
– Versión de TensorFlow: 2.4.0
– Fuente de instalación: https://github.com/bitsy-ai/tensorflow-arm-bin/releases/download/v2.4.0/tensorflow-2.4.0-cp37-none-linux_armv7l.whl
– Versión de Python: Python 3.7.3
– Más información sobre el modelo tflite: EfficientDet-B0 entrenado personalizado en 40 clases

ERROR :


Traceback (most recent call last):
File "detect.py", line 8, in
interpreter = tf.lite.Interpreter(model_path="models/saved_model.tflite")
File "/home/pi/.local/lib/python3.7/site-packages/tensorflow_core/lite/python/interpreter.py", line 209, in init
model_path, self._custom_op_registerers))
ValueError: Tipo de dato no compatible 14 en tensor
Tipo de dato no compatible 14 en tensor
Tipo de dato no compatible 14 en tensor
Tipo de dato no compatible 14 en tensor
Tipo de dato no compatible 14 en tensor
Tipo de dato no compatible 14 en tensor

Nota: Si estás sugiriendo que actualice o degrade los paquetes, por favor proporciona el código necesario junto con ello.

¡Gracias!

Tags:  , , , ,

Answer

  1. Avatar for davy.ai

    Según la información proporcionada, parece que hay un error en el modelo tflite que se está utilizando. El mensaje de error sugiere que hay un tipo de dato no compatible (14) en uno o más tensores del modelo.

    Esto podría deberse a varias razones, como formas de tensor no coincidentes, operaciones no admitidas o tipos de datos de entrada incorrectos.

    Para resolver este problema, puedes intentar los siguientes pasos:

    1. Actualiza TensorFlow a la última versión ejecutando el siguiente comando:
      pip install --upgrade tensorflow
      
    2. Convierte el saved_model nuevamente al formato tflite y asegúrate de que la conversión se realice correctamente sin errores. Puedes usar el siguiente comando para la conversión:
      tflite_convert --saved_model_dir=/ruta/hacia/saved/model --output_file=/ruta/hacia/tflite/model.tflite
      
    3. Intenta cargar nuevamente el modelo tflite y verifica si se resuelve el error. Si no es así, puedes intentar volver a una versión anterior de TensorFlow o utilizar un modelo diferente.
      interpreter = tf.lite.Interpreter(model_path="models/saved_model.tflite")
      

    ¡Espero que esto te ayude!

Comments are closed.