TFlite模型转换和使用_converter = tf.lite.tfliteconverter.from_keras_mod

作者：羊村懒王 | 2024-02-27 16:12:49

踩

converter = tf.lite.tfliteconverter.from_keras_model(keras_model) nameerror:

背景

TensorFlow Lite 转换器可根据输入的 TensorFlow 模型生成 TensorFlow Lite 模型（一种优化的 FlatBuffer 格式，以 .tflite 为文件扩展名）. 作用是进一步缩短模型延迟时间和减小模型大小，同时最大限度降低准确率损失和添加元数据，从而在设备上部署模型时可以更轻松地创建平台专用封装容器代码。

环境

tensorflow=2.4.1

实践例子

把Tensorflow的模型转换成tflite


import tensorflow as tf
def convert_to_tflite(model):
    converter = tf.lite.TFLiteConverter.from_keras_model(model)
    tfmodel = converter.convert()
    file = open('yourmodel.tflite', 'wb')
    file.write(tfmodel)
    file.close()

运行Tflite模型


import tensorflow as tf
def run_reference_by_tflite(input):
    interpreter = tf.lite.Interpreter(model_path="yourmodel.tflite")
    interpreter.allocate_tensors()
    # Get input and output tensors.
    input_details = interpreter.get_input_details()
    output_details = interpreter.get_output_details()
    # input details
    print(input_details, len(input_details))
 
    # output details
    print(output_details)
 
    # input_details[0]['index'] = the index which accepts the input
    interpreter.set_tensor(input_details[0]['index'], input)
 
 
    # run the inference
    interpreter.invoke()
 
    # output_details[0]['index'] = the index which provides the input
    output_data = interpreter.get_tensor(output_details[0]['index'])
 
    print('interpreter: ', output_data)

转tfhub中的模型


!pip install -q tensorflow-text
import tensorflow as tf
import tensorflow_hub as hub
import tensorflow_text as text
 
hub.load("https://tfhub.dev/google/universal-sentence-encoder-multilingual/3")  # Caches the model in /tmp/tfhub_modules
converter = tf.lite.TFLiteConverter.from_saved_model("/tmp/tfhub_modules/26c892ffbc8d7b032f5a95f316e2841ed4f1608c")
converter.target_spec.supported_ops = [
    tf.lite.OpsSet.TFLITE_BUILTINS,  # enable TensorFlow Lite ops.
    tf.lite.OpsSet.SELECT_TF_OPS,  # enable TensorFlow ops.
]
tflite_file = "model.tflite"
with open(tflite_file, 'wb') as f:
  f.write(converter.convert())
interpreter = tf.lite.Interpreter(tflite_file)
interpreter.get_signature_list()  # {'serving_default': {'inputs': ['inputs'], 'outputs': ['outputs']}}

不同版本的tensorflow或不同的格式的模型对应的转换方法

使用 tf.lite.TFLiteConverter 转换 TensorFlow 2.x 模型。TensorFlow 2.x 模型是使用 SavedModel 格式存储的，并通过高阶 tf.keras.* API（Keras 模型）或低阶 tf.* API（用于生成具体函数）生成。因此，您有以下三个选项（示例包含在接下来的几节中）：
- tf.lite.TFLiteConverter.from_saved_model()（推荐）：转换 SavedModel。
- tf.lite.TFLiteConverter.from_keras_model()：转换 Keras 模型。
- tf.lite.TFLiteConverter.from_concrete_functions()：转换具体函数。
使用 tf.compat.v1.lite.TFLiteConverter 转换 TensorFlow 1.x 模型（示例位于 GitHub 上）：
- tf.compat.v1.lite.TFLiteConverter.from_saved_model()：转换 SavedModel。
- tf.compat.v1.lite.TFLiteConverter.from_keras_model_file()：转换 Keras 模型。
- tf.compat.v1.lite.TFLiteConverter.from_session()：从会话转换 GraphDef。
- tf.compat.v1.lite.TFLiteConverter.from_frozen_graph()：从文件转换 Frozen GraphDef。如果您有检查点，请先将其转换为 Frozen GraphDef 文件，然后使用此 API（如此处所示）。

TFlite模型转换和使用_converter = tf.lite.tfliteconverter.from_keras_mod

背景

实践例子

转tfhub中的模型

不同版本的tensorflow或不同的格式的模型对应的转换方法

相关错误以及解决方法

1. ValueError: Cannot set tensor: Got value of type NOTYPE but expected type FLOAT32 for input 0,