Tensorflow Lite模型部署之模型转换

TensorFlow Lite的设计旨在在各种设备上高效执行模型。这种高效部分源于在存储模型时,采用了一种特殊的格式。TensorFlow模型在能被TensorFlow Lite 使用前,必须转换成这种格式。

转换模型减小了模型文件大小,并引入了不影响准确性(accuracy)的优化措施(optimizations)。开发人员可以在进行一些取舍的情况下,选择进一步减小模型文件大小,并提高执行速度。您可以使用 TensorFlow Lite 转换器(converter)选择要执行的优化措施。

因为 TensorFlow Lite 支持部分 TensorFlow 运算符(operations),所以并非所有模型都能转换。

TensorFlow Lite 转换器(converter)是一个将训练好的 TensorFlow 模型转换成TensorFlow Lite 格式的工具,而且它还能引入优化措施(optimizations)。

转换器以 Python API 的形式提供,虽然可以从命令行使用转换器,但是推荐用 Python API 进行转换。

Tensorflow Lite转化器提供的API可以通过帮助函数获取。

import tensorflow as tf

print("Tensorflow Lite Converter:")

print(help(tf.lite.TFLiteConverter))

如下提供TensorFlow Lite四种模型转换的方式。

1SavedModel格式转为.tflite模型

你可能感兴趣的:(AI模型压缩,加速及移动端部署,tensorflow,深度学习,神经网络)