获得input_array和output_array项目转换模型tflite格式

Question

PS。请不要点我converting Keras model directly to tflite我的.h5文件将无法转换为直接.tflite。我总算将我.h5文件.pb

我按照this Jupyter笔记本使用Keras人脸识别。然后我救了我的模型到model.h5文件，然后将其转换为一个冷冻图形，model.pb使用this。

现在我想用在我的Android文件tensorflow。为此，我需要有Tensorflow精简版，这就要求我对我的模型转换成.tflite格式。

对于这一点，我试图按照官方指南吧here。正如你可以看到有，它需要input_array和output_array阵列。我如何获得我的model.pb文件的这些事情的细节？

Answer 1

input arrays和output arrays是分别存储输入和输出张量的阵列。

他们打算告知TFLiteConverter约将在推理时使用的输入和输出张量。

对于硬件模式，

输入张量是所述第一层的占位符张量。

input_tensor = model.layers[0].input

输出张量可以用活化功能涉及。

output_tensor = model.layers[ LAST_LAYER_INDEX ].output

对于冻结图，

import tensorflow as tf
gf = tf.GraphDef()   
m_file = open('model.pb','rb')
gf.ParseFromString(m_file.read())

我们得到的节点的名称，

for n in gf.node:
    print( n.name )

为了得到张量，

tensor = n.op

输入张量可以是一个占位符张量。输出张量是指运行使用session.run()张量

对于转换，我们得到，

input_array =[ input_tensor ]
output_array = [ output_tensor ]