Converter modelos do TensorFlow

Nesta página, descrevemos como converter um modelo do TensorFlow para um modelo LiteRT (uma classe FlatBuffer identificado pelo .tflite) usando o conversor LiteRT.

Fluxo de trabalho de conversão

O diagrama abaixo ilustra o fluxo de trabalho de alto nível para conversão seu modelo:

Fluxo de trabalho do conversor do TFLite

Figura 1. Fluxo de trabalho do usuário que fez uma conversão.

É possível converter o modelo usando uma das seguintes opções:

  1. API Python (recomendado): Isso permite integrar a conversão ao seu pipeline de desenvolvimento, aplicar otimizações, adicionar metadados e muitas outras tarefas que simplificam o processo de conversão.
  2. Linha de comando: oferece suporte apenas à conversão básica de modelos.
.

API Python

Código auxiliar: para saber mais sobre o conversor LiteRT API, execute print(help(tf.lite.TFLiteConverter)).

Converta um modelo do TensorFlow usando tf.lite.TFLiteConverter Um modelo do TensorFlow é armazenado usando o formato SavedModel e é geradas usando as APIs tf.keras.* de alto nível (um modelo do Keras) ou as APIs tf.* de baixo nível (com base nas quais você gera funções concretas). Como resultado, você tem as três opções a seguir (exemplos nos próximos :

Converter um SavedModel (recomendado)

O exemplo a seguir mostra como converter SavedModel em um TensorFlow Modelo Lite.

import tensorflow as tf

# Convert the model
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir) # path to the SavedModel directory
tflite_model = converter.convert()

# Save the model.
with open('model.tflite', 'wb') as f:
  f.write(tflite_model)

Converter um modelo do Keras

O exemplo a seguir mostra como converter Keras em um modelo do TensorFlow Modelo Lite.

import tensorflow as tf

# Create a model using high-level tf.keras.* APIs
model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(units=1, input_shape=[1]),
    tf.keras.layers.Dense(units=16, activation='relu'),
    tf.keras.layers.Dense(units=1)
])
model.compile(optimizer='sgd', loss='mean_squared_error') # compile the model
model.fit(x=[-1, 0, 1], y=[-3, -1, 1], epochs=5) # train the model
# (to generate a SavedModel) tf.saved_model.save(model, "saved_model_keras_dir")

# Convert the model.
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()

# Save the model.
with open('model.tflite', 'wb') as f:
  f.write(tflite_model)

Converter funções concretas

O exemplo abaixo mostra como converter funções concretas em uma Modelo LiteRT.

import tensorflow as tf

# Create a model using low-level tf.* APIs
class Squared(tf.Module):
  @tf.function(input_signature=[tf.TensorSpec(shape=[None], dtype=tf.float32)])
  def __call__(self, x):
    return tf.square(x)
model = Squared()
# (ro run your model) result = Squared(5.0) # This prints "25.0"
# (to generate a SavedModel) tf.saved_model.save(model, "saved_model_tf_dir")
concrete_func = model.__call__.get_concrete_function()

# Convert the model.

converter = tf.lite.TFLiteConverter.from_concrete_functions([concrete_func],
                                                            model)
tflite_model = converter.convert()

# Save the model.
with open('model.tflite', 'wb') as f:
  f.write(tflite_model)

Outros recursos

  • Aplique as otimizações. Um erro comum de otimização usada é quantização pós-treinamento o que reduz ainda mais a latência e o tamanho do modelo com perda mínima precisão.

  • Adicione metadados, o que facilita a criação de plataformas. um código de wrapper específico ao implantar modelos em dispositivos.

Erros de conversão

Veja a seguir erros de conversão comuns e as soluções deles:

Ferramenta de linha de comando

Se você instalou o TensorFlow 2.x pelo pip, use o comando tflite_convert. Para visualizar todas as sinalizações disponíveis, use o seguinte comando:

$ tflite_convert --help

`--output_file`. Type: string. Full path of the output file.
`--saved_model_dir`. Type: string. Full path to the SavedModel directory.
`--keras_model_file`. Type: string. Full path to the Keras H5 model file.
`--enable_v1_converter`. Type: bool. (default False) Enables the converter and flags used in TF 1.x instead of TF 2.x.

You are required to provide the `--output_file` flag and either the `--saved_model_dir` or `--keras_model_file` flag.

Se você tiver o Origem do TensorFlow 2.x que foram baixados e querem executar o conversor dessa fonte sem criar e de instalar o pacote, substitua "tflite_convert" com "bazel run tensorflow/lite/python:tflite_convert --" no comando.

Converter um SavedModel 

tflite_convert \
  --saved_model_dir=/tmp/mobilenet_saved_model \
  --output_file=/tmp/mobilenet.tflite

Converter um modelo Keras H5 

tflite_convert \
  --keras_model_file=/tmp/mobilenet_keras_model.h5 \
  --output_file=/tmp/mobilenet.tflite