手把手教你从.pb转换为.tflite文件 附加不同版本tensorflow对应的TFLite Python API语句_怎样将saved_model.pb转换为tflite格式

引言

很多博客教程都需要安装bazel编译工具，并且编译tensorflow的源码，过程繁琐。本篇博文教你如何用几行代码就实现.pb到.tflite文件转换。

代码

.pb到.tflite文件转换代码先贴上来，随后做详细讲解。

import tensorflow as tf
 
in_path = r'.\yolov3_coco.pb'
out_path = r'.\yolov3_coco.tflite'
 
input_arrays = ["input/input_data"]
input_shapes = {"input/input_data" :[1, 416, 416, 3]}
output_arrays = ["pred_sbbox/concat_2", "pred_mbbox/concat_2", "pred_lbbox/concat_2"]
 
converter = tf.lite.TFLiteConverter.from_frozen_graph(in_path, input_arrays, output_arrays, input_shapes)
tflite_model = converter.convert()
open("myModel.tflite", "wb").write(tflite_model)

这里需要修改的参数有：in_path, out_path, input_arrays,  output_arrays,  input_shapes. 

in_path：输入的.pb文件路径                    out_path：输出的.tflite文件路径

input_arrays：输入的节点名称                 output_arrays：输出的节点名称

input_shapes：输入的节点形状

设置路径倒是难不倒大家，但是节点名称和节点形状的参数哪里找呢？以生成yolov3的.pb文件为例说明。

yolov3的代码中，.pb文件是通过convert_weight.py文件和freeze_graph.py文件。俗话说得好，解铃还须系铃人，参数就可以从中找到。

freeze_graph.py文件可以找到input_arrays以及output_arrays参数

convert_weight.py文件找到了input_shapes

TFLiteConverter语句对应

但你复制代码后，你的tf.contrib.lite.TFLiteConverter这条语句会报错，因为这条语句是针对tensorflow 1.12极其以上版本。

不同tensorflow版本对应的转换语句如下。

在tensorflow 2.0版本中，转化语句变成了命令行， tflite_convert。在终端执行如下命令，即可查看其具体使用方法。

tflite_convert -h

我在Python Terminal当中的执行结果。

参考

将pb转换为tflite文件

Tensorflow Lite 模型转换

如果本篇文章有任何可以改进的地方，欢迎大家在下方留言：）