TensorFlow モデルを変換する

このページでは、TensorFlow モデルを変換する方法について説明します。 LiteRT モデル（最適化された FlatBuffer 形式に .tflite ファイル拡張子）を使用します。

変換ワークフロー

以下の図は、変換のワークフローの概要を示しています。 モデル:

TFLite コンバータのワークフロー

図 1. コンバータ ワークフロー

次のいずれかの方法でモデルを変換できます。

  1. Python API（推奨）: これにより、変換を開発パイプラインに統合できます。 最適化の適用、メタデータの追加、その他多くのタスクの 役立ちます。
  2. コマンドライン: 基本的なモデル変換のみをサポートしています。
で確認できます。

Python API

ヘルパーコード: LiteRT コンバータの詳細を確認します。 API の場合は、print(help(tf.lite.TFLiteConverter)) を実行します。

次を使用して TensorFlow モデルを変換する tf.lite.TFLiteConverter。 TensorFlow モデルは SavedModel 形式で保存され、 高レベルの tf.keras.* API（Keras モデル）を使用して生成されたか、 低レベルの tf.* API（具体的な関数を生成するため）たとえば、 次の 3 つのオプションがあります（例は後で説明します）。 セクション）:

SavedModel を変換する（推奨）

次の例は、値を変換する方法を示しています。 SavedModel を TensorFlow に変換する Lite モデル。

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 モデルを変換する

次の例は、値を変換する方法を示しています。 Keras モデルを TensorFlow に変換する Lite モデル。

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)

具象関数を変換する

次の例は、BigQuery を 具象関数を LiteRT モデル。

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)

その他の機能

  • 最適化を適用します。共通 使用される最適化は次のとおりです。 トレーニング後の量子化 モデルのレイテンシとサイズをさらに削減し、 向上します

  • プラットフォームの作成を容易にするメタデータを追加する モデルをデバイスにデプロイするときに、固有のラッパーコードが使用されます。

変換エラー

一般的な変換エラーとその解決策は次のとおりです。

コマンドライン ツール

すでに pip から TensorFlow 2.x をインストールした場合は、 tflite_convert コマンドを実行します。使用可能なすべてのフラグを表示するには、次のコマンドを使用します。 次のコマンドを実行します。

$ 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.

次がある場合は、 TensorFlow 2.x ソース そのソースからコンバータをビルドおよび実行せずに、 パッケージのインストール 「tflite_convert」は置き換えることができます 「bazel run tensorflow/lite/python:tflite_convert --」指定します。

SavedModel の変換

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

Keras H5 モデルの変換

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