แปลงโมเดล TensorFlow

หน้านี้อธิบายวิธีแปลงโมเดล TensorFlow ลงในโมเดล LiteRT (เพิ่มประสิทธิภาพ FlatBuffer ที่ระบุโดย .tflite) โดยใช้ตัวแปลง LiteRT

เวิร์กโฟลว์ Conversion

แผนภาพด้านล่างแสดงเวิร์กโฟลว์ระดับสูงสำหรับการทำ Conversion โมเดลของคุณ:

เวิร์กโฟลว์ตัวแปลง TFLite

รูปที่ 1 ขั้นตอนการทำ Conversion

คุณแปลงโมเดลได้โดยใช้ตัวเลือกใดตัวเลือกหนึ่งต่อไปนี้

  1. Python API (แนะนำ): ซึ่งจะช่วยให้คุณผสานรวม Conversion ลงในไปป์ไลน์การพัฒนาได้ ใช้การเพิ่มประสิทธิภาพ เพิ่มข้อมูลเมตา และงานอื่นๆ อีกมากมายที่ช่วยให้ ในขั้นตอน Conversion
  2. บรรทัดคำสั่ง: รองรับการแปลงรูปแบบพื้นฐานเท่านั้น

API ของ Python

รหัสความช่วยเหลือ: หากต้องการดูข้อมูลเพิ่มเติมเกี่ยวกับตัวแปลง LiteRT API เรียกใช้ print(help(tf.lite.TFLiteConverter))

แปลงโมเดล TensorFlow โดยใช้ tf.lite.TFLiteConverter โมเดล TensorFlow จัดเก็บโดยใช้รูปแบบ SaveModel และ สร้างขึ้นโดยใช้ API ระดับสูงของ tf.keras.* (โมเดล Keras) หรือ tf.* API ระดับต่ำ (ซึ่งเป็นที่ที่คุณใช้สร้างฟังก์ชันที่เป็นรูปธรรม) เพื่อ ผลลัพธ์แสดงว่าคุณมี 3 ตัวเลือกต่อไปนี้ (ตัวอย่างอยู่ใน 2-3 ถัดไป หัวข้อ):

แปลง SaveModel (แนะนำ)

ตัวอย่างต่อไปนี้แสดงวิธีการแปลง SavedModel ลงใน TensorFlow โมเดล 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)

แปลงโมเดล Keras

ตัวอย่างต่อไปนี้แสดงวิธีการแปลง โมเดล Keras ลงใน TensorFlow โมเดล 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)

แปลงฟังก์ชันที่เป็นรูปธรรม

ตัวอย่างต่อไปนี้แสดงวิธีแปลง ที่เป็นรูปธรรมลงใน โมเดล 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)

ฟีเจอร์อื่นๆ

  • ใช้การเพิ่มประสิทธิภาพ ทั่วไป การเพิ่มประสิทธิภาพที่ใช้คือ การวัดปริมาณหลังการฝึก ซึ่งจะช่วยลดเวลาในการตอบสนองและขนาดของโมเดลโดยให้สูญเสียข้อมูลน้อยที่สุด ความแม่นยำ

  • เพิ่มข้อมูลเมตา ซึ่งจะช่วยให้สร้างแพลตฟอร์มได้ง่ายขึ้น รหัส Wrapper ที่เฉพาะเจาะจงเมื่อทำให้โมเดลใช้งานได้ในอุปกรณ์

ข้อผิดพลาดในการแปลง

ข้อผิดพลาดที่พบบ่อยเกี่ยวกับ Conversion และวิธีแก้ไขมีดังนี้

เครื่องมือบรรทัดคำสั่ง

หากคุณได้ ติดตั้ง TensorFlow 2.x จาก PIP ให้ใช้ คำสั่ง tflite_convert หากต้องการดูแฟล็กทั้งหมดที่มีอยู่ ให้ใช้ คำสั่งต่อไปนี้

$ 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.

หากคุณมี ซอร์สของ TensorFlow 2.x ดาวน์โหลดและต้องการเรียกใช้ตัวแปลงจากต้นทางนั้นโดยไม่ต้องสร้างและ ติดตั้งแพ็กเกจ คุณสามารถแทนที่ "tflite_convert" กับ "bazel run tensorflow/lite/python:tflite_convert --" ในคำสั่ง

การแปลง savedModel 

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

การแปลงรุ่น Keras H5 

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