Error al intentar convertir el modelo guardado al formato tflite

Al intentar convertir un modelo guardado en un archivo tflite, aparece el siguiente error:

F tensorflow / contrib / lite / toco / tflite / export.cc: 363] Algunos de los operadores en el modelo no son compatibles con el tiempo de ejecución estándar de TensorFlow Lite. Si tiene una implementación personalizada para ellos, puede deshabilitar este error con –allow_custom_ops, o configurando allow_custom_ops = True al llamar a tf.contrib.lite.toco_convert (). Aquí hay una lista de operadores para los que necesitará implementaciones personalizadas: AsString, ParseExample . \ NAborted (core dumped) \ n ‘None

Estoy usando el estimador prefabricado de DNN.

from __future__ import absolute_import from __future__ import division from __future__ import print_function import numpy as np import tensorflow as tf IRIS_TRAINING = "iris_training.csv" IRIS_TEST = "iris_test.csv" INPUT_TENSOR_NAME = 'inputs' def main(): training_set = tf.contrib.learn.datasets.base.load_csv_with_header( filename=IRIS_TRAINING, target_dtype=np.int, features_dtype=np.float32) feature_columns = [tf.feature_column.numeric_column(INPUT_TENSOR_NAME, shape=[4])] # Build 3 layer DNN with 10, 20, 10 units respectively. classifier = tf.estimator.DNNClassifier(feature_columns=feature_columns, hidden_units=[10, 20, 10], n_classes=3, model_dir="/tmp/iris_model") # Define the training inputs train_input_fn = tf.estimator.inputs.numpy_input_fn( x={INPUT_TENSOR_NAME: np.array(training_set.data)}, y=np.array(training_set.target), num_epochs=None, shuffle=True) # Train model. classifier.train(input_fn=train_input_fn, steps=2000) inputs = {'x': tf.placeholder(tf.float32, [4])} tf.estimator.export.ServingInputReceiver(inputs, inputs) saved_model=classifier.export_savedmodel(export_dir_base="/tmp/iris_model", serving_input_receiver_fn=serving_input_receiver_fn) print(saved_model) converter = tf.contrib.lite.TocoConverter.from_saved_model(saved_model) tflite_model = converter.convert() def serving_input_receiver_fn(): feature_spec = {INPUT_TENSOR_NAME: tf.FixedLenFeature(dtype=tf.float32, shape=[4])} return tf.estimator.export.build_parsing_serving_input_receiver_fn(feature_spec)() if __name__ == "__main__": main() 

Los archivos de iris se pueden descargar desde los siguientes enlaces:

IRIS_TRAINING FILE: ” http://download.tensorflow.org/data/iris_training.csv ”

    IRIS_TEST FILE: ” http://download.tensorflow.org/data/iris_test.csv ”