轉換 TensorFlow 模型

本頁面說明如何轉換 TensorFlow 模型 轉換成 LiteRT 模型 (經過最佳化調整的 FlatBuffer 格式,這是由 .tflite 副檔名),請使用 LiteRT 轉換工具。

轉換工作流程

下圖是轉換的整體流程圖 您的模型:

TFLite 轉換工具工作流程

圖 1. 轉換器工作流程。

您可以使用下列其中一個選項轉換模型:

  1. Python API (建議): 這可讓您將轉換整合至開發管道。 套用最佳化設定、新增中繼資料和其他許多工作 轉換程序。
  2. 指令列:僅支援基本模型轉換。
,瞭解如何調查及移除這項存取權。

Python API

輔助程式碼:進一步瞭解 LiteRT 轉換工具 API,執行 print(help(tf.lite.TFLiteConverter))

使用以下程式碼轉換 TensorFlow 模型: tf.lite.TFLiteConverter。 TensorFlow 模型以 1 格式儲存, 透過高階 tf.keras.* API (Keras 模型) 產生的模型,或是 用於產生具體函式的低階 tf.* API身為 您有以下三種選擇 (範例會在接下來的幾個 區段):

以下範例說明如何將 SavedModel 到 TensorFlow 精簡模式。

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)

轉換 Keras 模型

以下範例說明如何將 匯入 TensorFlow 中的 Keras 模型 精簡模式。

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)

轉換具體函式

以下範例說明如何轉換 具體函式 LiteRT 模型。

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)

其他功能

  • 套用最佳化方法。常見的 使用的最佳化方法為 課後量化 這樣您就能進一步減少模型延遲時間和大小 同時盡量減少損失 準確度。

  • 新增中繼資料,更輕鬆地建立平台 來在裝置上部署模型時的特定包裝函式程式碼。

轉換錯誤

以下是常見的轉換錯誤及相應的解決方案:

指令列工具

如果 從 pip 安裝了 TensorFlow 2.x,請使用 tflite_convert 指令。如要查看所有可用的旗標,請使用 以下指令:

$ 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.

如果你有 TensorFlow 2.x 來源 並希望從該來源執行轉換器,而不建構 安裝套件 你可以將「tflite_convert」同時 「bazel run tensorflow/lite/python:tflite_convert --」指令中的位置。

轉換 AES

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

轉換 Keras H5 模型

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