转换 TensorFlow 模型

本页介绍如何将 TensorFlow 模型 LiteRT 模型（经过优化的 FlatBuffer 格式由 .tflite 文件扩展名）。

转化工作流程

下图展示了转化的概要工作流程 您的模型：

TFLite 转换器工作流

图 1. 转换器工作流程。

您可以使用以下选项之一转换模型：

  1. Python API（推荐）： 这样，您就可以将转化集成到开发流水线中， 应用优化、添加元数据和许多其他可简化 转化流程
  2. 命令行：仅支持基本模型转换。
。

Python API

帮助程序代码：详细了解 LiteRT 转换器 API，运行 print(help(tf.lite.TFLiteConverter))。

使用以下代码转换 TensorFlow 模型： tf.lite.TFLiteConverter。 TensorFlow 模型使用 SavedModel 格式存储， 使用高级 tf.keras.* API（Keras 模型）生成，或 低阶 tf.* API（用于生成具体函数）。作为 您有以下三种选择（示例请参见 部分）：

转换 SavedModel（推荐）

以下示例展示了如何将 将 SavedModel 转换为 TensorFlow Lite 模型。

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)

转换 Keras 模型

以下示例展示了如何将 Keras 模型转换为 TensorFlow Lite 模型。

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)

转换具体函数

以下示例展示了如何将 具体函数转换为 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

  • 应用优化。常见 所用的优化现为 训练后量化， 这样可以进一步缩短模型延迟时间和大小， 准确率。

  • 添加元数据，以便更轻松地创建平台 特定的封装容器代码。

转换错误数

以下是常见的转换错误及其解决方案：

命令行工具

如果您 从 pip 安装了 TensorFlow 2.x，请使用 tflite_convert 命令。要查看所有可用的标志，请使用 以下命令：

$ 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.

如果您有 TensorFlow 2.x 源代码 并且希望从该来源运行转换器，而不构建和 安装软件包 您可以替换“tflite_convert”替换为 bazel run tensorflow/lite/python:tflite_convert --。

转换 DDA 

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

转换 Keras H5 模型 

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