如何将 yolo 权重转换为 tflite 文件

Question

我会在 android 中使用 yolo 权重，所以我打算将 yolo 权重文件转换为 tflite 文件。

我在 anaconda prompt 中使用这段代码，因为我在环境中下载了 keras 库。

activate env   
python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

终于，它做到了。将 Keras 模型保存到

model_data/yolo.h5

我将使用这段代码将这个 h5 文件转换为 jupyter notebook 中的

tflite

文件。

model = tf.keras.models.load_model("./yolo/yolo.h5", compile=False)
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()
open("keras_model.tflite", "wb").write(tflite_model)

但是出现这个错误。

---

ValueError                                Traceback (most recent call last)

<ipython-input-3-964a59978091> in <module>()

  1 model = tf.keras.models.load_model("./yolo/yolo.h5", compile=False)

  2 converter = tf.lite.TFLiteConverter.from_keras_model(model)

----> 3 tflite_model = converter.convert()

  4 open("keras_model.tflite", "wb").write(tflite_model)



~\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow_core\lite\python\lite.py in convert(self)

426         raise ValueError(

427             "None is only supported in the 1st dimension. Tensor '{0}' has "

--> 428             "invalid shape '{1}'.".format(_get_tensor_name(tensor), shape_list))

429       elif shape_list and shape_list[0] is None:

430         # Set the batch size to 1 if undefined.



ValueError: None is only supported in the 1st dimension. Tensor 'input_1' has invalid shape '[None, None, None, 3]'.

我该如何解决？

---

我们的模型总结是

型号：“model_1”

---

层（类型）输出形状参数#连接到

input_1（输入层）[（无，无，无，0

---

conv2d_1 (Conv2D) (无, 无, 无, 3 864 input_1[0][0]

---

batch_normalization_1 (BatchNor (None, None, None, 3 128 conv2d_1[0][0]

---

leaky_re_lu_1 (LeakyReLU) (无, 无, 无, 3 0 batch_normalization_1[0][0]

---

zero_padding2d_1 (ZeroPadding2D (None, None, None, 3 0 leaky_re_lu_1[0][0]

---

conv2d_2 (Conv2D) (无, 无, 无, 6 18432 zero_padding2d_1[0][0]

---

batch_normalization_2 (BatchNor (None, None, None, 6 256 conv2d_2[0][0]

---

leaky_re_lu_2 (LeakyReLU) (无, 无, 无, 6 0 batch_normalization_2[0][0]

---

conv2d_3 (Conv2D) (无, 无, 无, 3 2048 leaky_re_lu_2[0][0]

---

. . . .

---

batch_normalization_65 (BatchNo (None, None, None, 5 2048 conv2d_66[0][0]

---

batch_normalization_72 (BatchNo (None, None, None, 2 1024 conv2d_74[0][0]

---

leaky_re_lu_58 (LeakyReLU) (无, 无, 无, 1 0 batch_normalization_58[0][0]

---

leaky_re_lu_65 (LeakyReLU) (无, 无, 无, 5 0 batch_normalization_65[0][0]

---

leaky_re_lu_72 (LeakyReLU) (无, 无, 无, 2 0 batch_normalization_72[0][0]

---

conv2d_59 (Conv2D) (无, 无, 无, 2 261375 leaky_re_lu_58[0][0]

---

conv2d_67 (Conv2D) (无, 无, 无, 2 130815 leaky_re_lu_65[0][0]

---

conv2d_75 (Conv2D) (无, 无, 无, 2 65535 leaky_re_lu_72[0][0]

总参数：62,001,757 可训练参数：61,949,149 不可训练的参数：52,608

---

Answer 1

我看到你正在获取 Keras YOLO 模型的 H5 文件。对于 TFLite 模型，您需要一个具有明确输入形状的模型，例如

( 256 , 256 , 3 )

。此外，对于 H5 模型，您无法在模型保存后修改输入形状。所以，你可以采取这些措施，

• 转到实例化模型及其层的文件，修改那里的输入形状。使用该固定输入大小重新训练模型。
• 使用 TFLite 对象检测 API。这也有一个 Android 示例应用程序。
• 使用 DarkNet 训练模型，如here.
• 如果你想检测 PASCAL 中存在的 20 个类中的一个，请使用这个 model。

Answer 2

我建议这样做：

1. 将暗网权重 (

   .weights

   ) 转换为 TensorFlow 冻结图格式 (

   .pb

   )。
2. 将此

   .pb

   文件转换为tflite.

这个过程比较简单。我已经记录了一些将 Darknet 转换为 TensorFlow 的 3-4 种方法。请在这里.

找到他们