我正在使用tensorflows script optimize_for_inderence.py on the ssd_mobilenet_v1_coco model使用以下命令：
python -m tensorflow.python.tools.optimize_for_inference \
--input /path/to/frozen_inference_graph.pb \
--output /path/to/optimized_inference_graph.pb \
--input_names=image_tensor \
--output_names=detection_boxes,detection_scores,num_detections,detection_classes
它工作没有错误，但如果我想使用创建的Model .pb归档Tensorboard or for Inference它给了我以下错误：
ValueError: graph_def 在节点 u'ToFloat' 处无效：输入张量 'image_tensor:0' 无法将 float32 类型的张量转换为 uint8 类型的输入。
查看 Tensorboard 可视化的原始图：
正如你所看到的节点ToFloat直接出现在image_tensor input
所以显然优化出了问题。但什么？
当加载由optimize_for_inference工具生成的模型文件时，我看到类似的错误“节点ExpandDims_6的输入0从input_feed传递float：0与预期的int64不兼容”。
皮特的评论“删除未使用的节点的新图形转换方法可能更强大？https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tools/graph_transforms/#optimizing-for-deployment" on https://github.com/tensorflow/tensorflow/issues/8242似乎建议我们应该使用新的transform_graph工具。
更新后的 TensorFlow Mobile 文档中没有提及 optimize_for_inference 工具https://www.tensorflow.org/mobile还建议使用transform_graph工具。
正当我怀疑罪魁祸首出在优化工具时，我看到了你的问题。谢谢你......刚刚尝试了transform_graph工具，它可以工作，无论是转换后的模型还是转换后的进一步memmapping模型。下面是我使用的 3 个 freeze-transform-memmapped 命令：
python tensorflow/python/tools/freeze_graph.py \
--input_meta_graph=/tmp/ckpt4.meta \
--input_checkpoint=/tmp/ckpt4 \
--output_graph=/tmp/ckpt4_frozen.pb \
--output_node_names="softmax,lstm/initial_state,lstm/state" \
--input_binary=true
bazel-bin/tensorflow/tools/graph_transforms/transform_graph \
--in_graph=/tmp/ckpt4_frozen.pb \
--out_graph=/tmp/ckpt4_frozen_transformed.pb \
--inputs="convert_image/Cast,input_feed,lstm/state_feed" \
--outputs="softmax,lstm/initial_state,lstm/state" \
--transforms='
strip_unused_nodes(type=float, shape="1,299,299,3")
fold_constants(ignore_errors=true)
fold_batch_norms
fold_old_batch_norms'
bazel-bin/tensorflow/contrib/util/convert_graphdef_memmapped_format \
--in_graph=/tmp/ckpt4_frozen_transformed.pb \
--out_graph=/tmp/ckpt4_frozen_transformed_memmapped.pb