我正在尝试转换以下博客使用深度学习的图像字幕（CNN 和 LSTM）中提到的 CNN+LSTM 模型。相关的 github 存储库是：Pytorch 图像字幕
我想将这个 pytorch 模型转换为 tflite。它具有编码器和解码器检查点。据我了解，它们都必须转换为 tflite （如果我错了，请纠正我）
方法：使用onnx2keras库中提到的示例，onnx2keras我能够将编码器转换为tflite。但使用解码器我面临以下问题。
不确定什么是正确的方法。谁能建议更好的方法并帮助我实现 tflite 模型
文件“convert_pytorch_tf.py”，第 63 行，change_ordering=False）文件 “/root/anaconda3/envs/pyt2tf/lib/python3.7/site-packages/pytorch2keras/converter.py”， 第 53 行，在 pytorch_to_keras dummy_output = model(*args) 文件中 “/root/anaconda3/envs/pyt2tf/lib/python3.7/site-packages/torch/nn/modules/module.py”， 第 550 行，调用 result = self.forward(*input, **kwargs) TypeError: forward() 缺少 2 个必需的位置参数：“captions”和 ‘长度’
请让我知道要遵循哪种方法，并帮助我解决与我所采取的方法相关的问题
我也一直在努力解决同样的问题，直到我发现ai_edge_torch。我成功地将 torch CRNN 模型转换为 tflite。我使用这个库时遇到的唯一问题是导出的 tflite 模型的大小通常大于 torch 模型本身，即使尝试 tflite 模块提供的不同量化技术也是如此。
顺便说一句，我对库进行了一些更改，以将 tf_saved_model 导出到用户指定的路径中。否则，默认情况下，库将首先将 torch 模型转换为 tf_lite_saved 模型，并将其保存在临时路径中。随后，它将 tf_saved_model 转换为 tflite，并将其作为对象返回。