在tensorflow中，有没有一种不使用转置函数来转置张量的方法？

Question

我有一个模型，我想把它移植到微芯片上。但是，当我运行代码时，它会给出以下错误：

没有为内置操作系统“TRANSPOSE”版本“2”找到op

未能从op代码d获得注册

我假设tflite微系统不支持转置功能。我也尝试用一个永久层替换它，但它似乎使用了遮罩下的tf.transpose。下面是我的模型中我尝试转换的部分：

output = tf.reshape(output, (img_width // B, B, img_height // B, B), name="reshape_in")
output = Permute((2, 1, 3), name="transpose_in")(output)

还有其他方法可以不调用tf.transpose来执行这个转置吗？也许用整形术？

Answer 1

在尝试使用TFLite的GPU委托运行模型时，我遇到了类似的问题，该模型不支持转置操作。

一种可能是使用条带、tf.reshape和concat操作的组合：

shape = (3,4,5)
a = tf.random.uniform(shape)
a_t = tf.transpose(a,(1,0,2)) # permuting first and second axis
a_concat = tf.concat([tf.reshape(a[i:i+1,:,:],(shape[1],1,shape[2])) for i in range(shape[0])],axis=1)
tf.debugging.assert_equal(a_t,a_concat)

备注：

delegate

• Performances需要预先知道张量的形状。
• 使用tf.concat，因为在GPU委托的
• 上不能使用PACK/tf.stack，它使用的是a[i:i+1,:]而不是a[i]，因为GPU
• 可能不支持移除轴的条带，特别是如果尺寸很大的话:这个技巧实际上是在一维上展开操作，在图中创建的整形节点与维度的大小一样多。H 216f<217/code>