TensorFlow के मॉडल बदलें

इस पेज पर, TensorFlow मॉडल को बदलने का तरीका बताया गया है LiteRT मॉडल का इस्तेमाल करते हैं (ऑप्टिमाइज़ किया गया FlatBuffer फ़ॉर्मैट की पहचान .tflite फ़ाइल एक्सटेंशन) को LiteRT कन्वर्टर का इस्तेमाल करता है.

कन्वर्ज़न वर्कफ़्लो

नीचे दिया गया डायग्राम, कन्वर्ज़न के लिए हाई-लेवल वर्कफ़्लो को दिखाता है आपका मॉडल:

TFLite कन्वर्टर वर्कफ़्लो

पहला डायग्राम. कन्वर्टर वर्कफ़्लो.

नीचे दिए गए विकल्पों में से किसी एक का इस्तेमाल करके, मॉडल को बदला जा सकता है:

  1. Python API (सुझाया गया): इसकी मदद से, कन्वर्ज़न को अपनी डेवलपमेंट पाइपलाइन में इंटिग्रेट किया जा सकता है, इसमें ऑप्टिमाइज़ेशन, मेटाडेटा, और कई ऐसे अन्य टास्क जोड़ना कन्वर्ज़न प्रोसेस के बारे में बताना चाहिए.
  2. कमांड लाइन: यह सिर्फ़ बेसिक मॉडल कन्वर्ज़न के साथ काम करता है.

Python एपीआई

हेल्पर कोड: LiteRT कन्वर्टर के बारे में ज़्यादा जानने के लिए एपीआई, print(help(tf.lite.TFLiteConverter)) चलाएं.

इसका इस्तेमाल करके TensorFlow मॉडल को बदलना tf.lite.TFLiteConverter. TensorFlow मॉडल को, सेव किए गए मॉडल फ़ॉर्मैट का इस्तेमाल करके स्टोर किया जाता है और यह हाई-लेवल tf.keras.* API (Keras मॉडल) का इस्तेमाल करके जनरेट किया जाता है या लो-लेवल के tf.* एपीआई (जिनसे कंक्रीट फ़ंक्शन जनरेट किए जाते हैं). बतौर है, तो आपके पास निम्न तीन विकल्प हैं (उदाहरण अगले कुछ सेक्शन):

सेव किए गए मॉडल को बदलना (सुझाया गया)

नीचे दिए गए उदाहरण में TensorFlow में SavedModel लाइट मॉडल.

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)

Keras मॉडल को बदलना

नीचे दिए गए उदाहरण में Keras का मॉडल, TensorFlow में लाइट मॉडल.

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)

कंक्रीट के फलनों को बदलना

नीचे दिए गए उदाहरण में कन्वर्ज़न का तरीका बताया गया है कॉनक्रीट फ़ंक्शन LiteRT मॉडल.

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)

अन्य सुविधाएं

  • ऑप्टिमाइज़ेशन लागू करें. एक कॉमन इस्तेमाल किया गया ऑप्टिमाइज़ेशन है पोस्ट ट्रेनिंग क्वांटाइज़ेशन, इस सुविधा की मदद से, मॉडल के लिए इंतज़ार का समय और साइज़ कम हो सकता है. ज़्यादा सटीक होता है.

  • मेटाडेटा जोड़ें, जिससे प्लैटफ़ॉर्म बनाना आसान हो जाता है खास रैपर कोड का इस्तेमाल करें.

कन्वर्ज़न से जुड़ी गड़बड़ियां

कन्वर्ज़न से जुड़ी सामान्य गड़बड़ियां और उनके समाधान यहां दिए गए हैं:

कमांड लाइन टूल

अगर आपको पीआईपी से TensorFlow 2.x इंस्टॉल किया है, इसका इस्तेमाल करें tflite_convert आदेश. सभी उपलब्ध फ़्लैग देखने के लिए, निम्न आदेश:

$ 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.

अगर आपके पास TensorFlow 2.x सोर्स डिलीवर किया गया है और उस सोर्स से कन्वर्टर को बिना स्ट्रक्चर किए चलाना है और तो पैकेज इंस्टॉल करना, आप 'tflite_convert' बदल सकते हैं के साथ 'bazel run tensorflow/lite/python:tflite_convert --' आदेश में.

सेव किए गए मॉडल को बदलना 

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

Keras H5 मॉडल को बदलना 

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