Tensor Flow V2:将Tensor Flow H5模型文件转换为tflite_tensorflow文件保存为tflite

目录

H5模型文件介绍

Tflite模型文件介绍

转换代码

---

H5模型文件介绍

h5文件全称HDF5，是Tensor Flow2.0新增的文件模型，它保存了训练时的所有参数包括权重等特征信息，与其它模型文件不同的是它保存只有一个二进制文件，保存的文件会比较大因为包含了所有训练信息。

Tflite模型文件介绍

Tflite是Tensor Flow Tflite上特有的模型文件类型，它文件较小也是一个纯二进制文件，是一个轻量级的模型库，Tensor Flow的模型文件可以与Tflite之间互相转换，但是每次转换会丢失精度，Tflite会过滤掉许多可能重复的特征信息，所以往Tflite转换是会损失精度的。

转换代码

首先包含tf包

import tensorflow as tf

我使用的是Keas模型，所以这里要加载H5文件的话使用load_model，2.0以上用这个API，2.0以下用form_keras_model_file

将keras模型文件加载到内存

keras_model = tf.keras_models.load_model("./test.h5")

然后在将keras模型文件转化为lite文件格式

converter = tf.lite.TFLiteConverter.from_keras_model(keras_model)

格式化数据输出

tflite_model = converter.convert()

在将数据写入到tflite文件中

open("./test1.tflite","wb").write(tflite_model)

在本地就可以看到test1.tflite的文件了

完整代码

#!/usr/bin/env python
# coding=utf-8
 
import tensorflow as tf
 
keras_model = tf.keras_models.load_model("./test.h5")
converter = tf.lite.TFLiteConverter.from_keras_model(keras_model)
tflite_model = converter.convert()
 
open("./test1.tflite","wb").write(tflite_model)