1.TensorFlow模型转换的复杂度

与Caffe、ONNX不同的是，使用Model-Optimizer将TensorFlow模型转换为IR模型的复杂度更高。
其主要原因是：
（1）TensorFlow框架支持多种操作这些操作优势甚至无法用简单的图形表示，这些操作有时甚至也与计算机视觉无关。
（2）如果不进行处理而试图只使用模型本身，并在神经网络加速器上对其进行加速，极大可能报错。

2.确保模型优化器可以对TensorFlow模型进行转换

（1）进入 cd C:\Program Files(x86)\Intel\openvino_2021\deployment_tools\model_optimizer\install_prerequisites路径
（2）执行脚本install_prerequisites_tf.bat安装转换所必须的安装包。

3.下载TensorFlow模型

使用model-downloader下载ssd-mobilenet_v2_coco模型

4.使用tensorflow_object_detection_api处理和转换模型

（1）进入cd C:\Program Files(x86)\Intel\openvino_2021\deployment_tools\model_optimizer路径
（2）输入命令：
operations_config="<INSTALL_DIR>\deployment_tools\model_optimizer\extensions\front\tf\ssd_v2_support.json" --tensorflow_object_detection_api_pipeline=<model_dir>\pipeline.config --reverse_input_channels --data_type=FP16 --output_dir= <ir_python mo_tf.py --input_model --input_model <model_dir><model_file> --tensorflow_use_custom_dir>

image.png

（3）转换结果

image.png