tensorflow模型转换成tensorflow lite模型

1.把graph和网络模型打包在一个文件中

  bazel build tensorflow/python/tools:freeze_graph && \
  bazel-bin/tensorflow/python/tools/freeze_graph \
  --input_graph=eval_graph_def.pb \
  --input_checkpoint=checkpoint \
  --output_graph=frozen_eval_graph.pb \
  --output_node_names=outputs

For example:

 bazel-bin/tensorflow/python/tools/freeze_graph \ 
  --input_graph=./mobilenet_v1_1.0_224/mobilenet_v1_1.0_224_eval.pbtxt \
  --input_checkpoint=./mobilenet_v1_1.0_224/mobilenet_v1_1.0_224.ckpt \
  --output_graph=./mobilenet_v1_1.0_224/frozen_eval_graph_test.pb \
  --output_node_names=MobilenetV1/Predictions/Reshape_1

2.把第一步中生成的tensorflow pb模型转换为tf lite模型

转换前需要先编译转换工具

bazel build tensorflow/contrib/lite/toco:toco

转换分两种，一种的转换为float的tf lite，另一种可以转换为对模型进行unit8的量化版本的模型。两种方式如下：

非量化的转换：

./bazel-bin/third_party/tensorflow/contrib/lite/toco/toco \ 官网给的这个路径不对                                                     
./bazel-bin/tensorflow/contrib/lite/toco/toco \                                                                    
  —input_file=./mobilenet_v1_1.0_224/frozen_eval_graph_test.pb \                
  —output_file=./mobilenet_v1_1.0_224/tflite_model_test.tflite \                
  --input_format=TENSORFLOW_GRAPHDEF --output_format=TFLITE \                                                      
  --inference_type=FLOAT \                                                                                        
  --input_shape="1,224, 224,3" \                                                                                  
  --input_array=input \                                                                                            
  --output_array=MobilenetV1/Predictions/Reshape_1 

量化方式的转换(注意，只有量化训练的模型才能进行量化的tf_lite转换)：

./bazel-bin/third_party/tensorflow/contrib/lite/toco/toco \
./bazel-bin/tensorflow/contrib/lite/toco/toco \
  --input_file=frozen_eval_graph.pb \
  --output_file=tflite_model.tflite \
  --input_format=TENSORFLOW_GRAPHDEF --output_format=TFLITE \
  --inference_type=QUANTIZED_UINT8 \
  --input_shape="1,224, 224,3" \
  --input_array=input \
  --output_array=outputs \
  --std_value=127.5 --mean_value=127.5

Reference:
https://tensorflow.google.cn/performance/quantization
https://www.tensorflow.org/mobile/tflite/devguide