我有一个tflite图的片段，如附件图片所示

我需要调试它的行为，在第一步就得到了相当令人困惑的结果。当我输入全零张量后，我期望在第一个Conv2D之后得到一个仅包含Conv2D偏置值的张量（因为所有卷积核元素都被乘以零），但实际上我得到的是一个包含一些随机数据的张量，以下是代码片段：

def test_graph(path=PATH_DEFAULT):    interp = tf.lite.Interpreter(path)    interp.allocate_tensors()    input_details = interp.get_input_details()    in_idx = input_details[0]['index']    zeros = np.zeros(shape=(1, 256, 256, 3), dtype=np.float32)    interp.set_tensor(in_idx, zeros)    interp.invoke()    # 第一个conv2d操作的输出索引是3（见netron图片）    after_conv_2d = interp.get_tensor(3)    # 偏置的形状只是[输出通道数]    n, h, w, c = after_conv_2d.shape    # 如果我们输入全零张量，我们可以期望得到的唯一值是偏置值    # 因为在这种情况下所有卷积核元素都被乘以零    uniq_vals_cnt = len(np.unique(after_conv_2d))    assert uniq_vals_cnt <= c, f"输出中有{uniq_vals_cnt}个值，应该<= {c}"

输出：

AssertionError: 输出中有287928个值，应该<= 24

有人能帮我解答我的困惑吗？

回答：

看来我假设可以从解释器中获取任何中间张量是错误的，我们只能对输出进行操作，尽管解释器不会抛出错误，并且对于与非输出张量相关的索引也会返回正确形状的张量。

调试此类图的一种方法是将所有张量设为输出，但最简单的方法可能是将tflite文件转换为pb，使用toco，然后再将pb转换回tflite，并指定新的输出。不过这种方法并非理想，因为toco对tflite -> pb转换的支持在1.9版本后被移除，使用之前的版本可能会在某些图上失败（在我这里就失败了）。

更多信息请见：tflite: get_tensor on non-output tensors gives random values