Tensorflow Lite从入门到精通 _生活百科

TensorFlow Lite 是 TensorFlow 在移动和 IoT 等边缘设备端的解决方案，提供了 Java、Python 和 C++ API 库，可以运行在 Android、iOS 和 Raspberry Pi 等设备上。目前 TFLite 只提供了推理功能，在服务器端进行训练后，经过如下简单处理即可部署到边缘设备上。
个人使用总结：

如果我们只使用Tensorflow的高级API搭建模型，那么将TF转TF Lite再转TF lite micro的过程会相对顺利。但是如果我们的模型使用了自定义模块，那么转换过程会遇到很多麻烦，Tensorflow对自家高级API的转换提供了很好的支持，但对我们自己写的一些NN 算子支持不佳。
Tensorflow LSTM的流式部署是有难度的，请使用最新的Tensorflow版本，将unrool打开，再尝试

转换模型我们可以通过以下两种方式将Tensorflow模型转换成 TF Lite：

python_api" rel="external nofollow noreferrer">Python API（推荐，且本文主讲）：它让您可以更轻松地在模型开发流水线中转换模型、应用优化、添加元数据，并且拥有更多功能。
命令行：它仅支持基本模型转换。

我们可以根据保存模型的方式来选择转换成TF lite的方式：
1、python/tf/lite/TFLiteConverter?hl=zh-cn#from_saved_model" rel="external nofollow noreferrer">tf.lite.TFLiteConverter.from_saved_model()（推荐）：转换 SavedModel

文章插图

文章插图
import tensorflow as tf# 转换模型converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir) # SavedModel目录的路径tflite_model = converter.convert()# 保存TF Lite模型with open('model.tflite', 'wb') as f: f.write(tflite_model)2、python/tf/lite/TFLiteConverter?hl=zh-cn#from_keras_model" rel="external nofollow noreferrer">tf.lite.TFLiteConverter.from_keras_model()：转换 Keras 模型

文章插图

文章插图
import tensorflow as tf# 使用高级API tf.keras.* 创建一个模型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') # 编译模型model.fit(x=[-1, 0, 1], y=[-3, -1, 1], epochs=5) # 训练模型# 生成一个 SavedModel# tf.saved_model.save(model, "saved_model_keras_dir")# keras model to TFLiteconverter = tf.lite.TFLiteConverter.from_keras_model(model)tflite_model = converter.convert()# 保存模型with open('model.tflite', 'wb') as f: f.write(tflite_model)3、python/tf/lite/TFLiteConverter?hl=zh-cn#from_concrete_functions" rel="external nofollow noreferrer">tf.lite.TFLiteConverter.from_concrete_functions()：转换具体函数

文章插图