快速入门：使用 Python 构建基于 Linux 的设备

将 LiteRT 与 Python 结合使用非常适合基于 Linux 的嵌入式设备， 例如 Raspberry Pi 和 搭载 Edge TPU 的 Coral 设备、 等等。

本页面介绍了如何开始在 Python 代码中 只需几分钟就能完成。您只需要一个已转换为 TensorFlow 的 TensorFlow 模型 Lite。（如果您还没有转换任何模型，可以 使用下面链接的示例中提供的模型进行实验。）

LiteRT 运行时软件包简介

如需快速开始使用 Python 执行 LiteRT 模型，您可以安装 使用 LiteRT 解释器，而不是所有 TensorFlow 软件包。周三 将这个简化的 Python 软件包称为 tflite_runtime。

tflite_runtime 软件包只是整个 tensorflow 的一小部分 并包含使用 Google Cloud 集成的 LiteRT，主要是 Interpreter Python 类。如果您只需执行 .tflite 模型，并避免因使用大型 TensorFlow 库而浪费磁盘空间。

安装 Python 版 LiteRT

您可以使用 pip 在 Linux 上安装：

python3 -m pip install tflite-runtime

支持的平台

tflite-runtime Python 开发轮已预先构建， 平台：

  • Linux armv7l（例如运行 Raspberry Pi 操作系统的 Raspberry Pi 2、3、4 和 Zero 2 32 位）
  • Linux aarch64（例如，运行 Debian ARM64 的 Raspberry Pi 3、4）
  • Linux x86_64

如果您想在其他平台上运行 LiteRT 模型，您应该： 使用完整的 TensorFlow 软件包，或 从源代码构建 tflite-runtime 软件包。

如果您要将 TensorFlow 与 Coral Edge TPU 搭配使用，您应该： 改为按照相应的 Coral 设置文档进行操作。

使用 tflite_runtime 运行推理

现在，您不需要从 tensorflow 模块导入 Interpreter，而是需要 从 tflite_runtime 导入。

例如，安装上述软件包后，请复制并运行 label_image.py 文件。它可能会失败，因为您没有 tensorflow 库 已安装。要解决此问题，请修改该文件的下面这行内容：

import tensorflow as tf

因此，它显示为：

import tflite_runtime.interpreter as tflite

然后，将以下代码行：

interpreter = tf.lite.Interpreter(model_path=args.model_file)

因此显示如下：

interpreter = tflite.Interpreter(model_path=args.model_file)

现在，再次运行 label_image.py。大功告成！您现在正在执行 LiteRT 模型。

了解详情