将data-00000-of-00001文件转换为Tensorflow Lite

Question

是否有任何方法可以将convert data-00000-of-00001转换为Tensorflow Lite模型？文件结构是这样的

 |-semantic_model.data-00000-of-00001
 |-semantic_model.index
 |-semantic_model.meta

Answer 1

使用TensorFlow版本：1.15] >>

下面的两个步骤将其转换为.tflite模型。

1。使用.pb

生成用于推理的TensorFlow模型（冻结图answer posted here文件）

您当前拥有的是模型checkpoint（一个TensorFlow 1模型保存在3个文件中：.data ...，。meta和.index。可以根据需要对该模型进行进一步的训练）。您需要将其转换为frozen graph（一个TensorFlow 1模型保存在单个.pb文件中。该模型无法进一步训练，并且已针对推理/预测进行了优化）。

2。生成TensorFlow精简模型（.tflite文件）

A。初始化TFLiteConverter：可以.from_frozen_graph方式定义this API，可以添加的属性为here。要查找这些数组的名称，请在.pb

中可视化Netron文件

converter = tf.lite.TFLiteConverter.from_frozen_graph(
    graph_def_file='....path/to/frozen_graph.pb', 
    input_arrays=...,
    output_arrays=....,
    input_shapes={'...' : [_, _,....]}
)
B。可选：执行最简单的优化，称为post-training dynamic range quantization。您可以参考同一文档，了解其他类型的优化/量化方法。

converter.optimizations = [tf.lite.Optimize.DEFAULT]
C。将其转换为.tflite文件并保存]

tflite_model = converter.convert()

tflite_model_size = open('model.tflite', 'wb').write(tflite_model)
print('TFLite Model is %d bytes' % tflite_model_size)