tflite文件解析

一. 安装flatbuffer

下载flatbuffer：https://github.com/google/flatbuffers

解压flatbuffer,进入其根目录

cd flatbuffers 
mkdir build 
cd build 
cmake .. 
make -j4 
sudo make install 
flatc --version 
#输出flatbuffer版本：flatc version 1.11.0

二. tflite文件解析

将/tensorlow/lite/schema/schema.fbs文件拷贝到要转换的.tflite文件所在目录下，执行以下命令可以将.tflite转换成json格式的文件，例如：将mobilenetv1转换成json文件格式：

flatc -t schema.fbs -- mobilenet_v1_1.0_224.tflite

TFlite的JSON文件结构如下图所示：

 

operator_codes:以列表的行驶存储该网络结构用的layer种类；例如mobilenet v1使用了AVERAGE_POOL_2D,CONV_2D,DEPTHWISE_CONV_2D,SOFTMAX,SQUEEZE这几种layer种类。

operator_codes: [ { builtin_code: "AVERAGE_POOL_2D" }, { builtin_code: "CONV_2D" }, { builtin_code: "DEPTHWISE_CONV_2D" }, { builtin_code: "SOFTMAX" }, { builtin_code: "SQUEEZE" } ],

subgraphs:为每一层的具体信息，具体包括：

1)tensors.包含input、weight、bias的shape信息、量化参数以及在buffer数据区的offset值;

2)inputs： 整个网络的输入对应的tensors索引；

3)outputs: 整个网络的输出对应的tensors索引；

4)operators：网络结构所需要的相关参数；

buffers: 存放weight、bias等权重信息。

三.一个简单的例子

下面仿照生成的mobilenet.json文件写一个只包含两个算子的模型，权重信息等手动写入，然后将该json文件生成为.tflite文件。

test.json文件：

{
  version: 3,
  operator_codes: [
    {
      builtin_code: "AVERAGE_POOL_2D"
    },
    {
      builtin_code: "CONV_2D"
    }
  ],
  subgraphs: [
    {
      tensors: [
        {
          shape: [
            1,
            3,
            3,
            3
          ],
          buffer: 1,
          name: "Conv2d_0/weights",
          quantization: {
          }
        },
        {
          shape: [
            1
          ],
          buffer: 2,
          name: "Conv2d_0/Conv2D_bias",
          quantization: {
          }
        },
        {
          shape: [
            1,
            2,
            2,
            1
          ],
          buffer: 3,
          name: "Conv2d_1/weights",
          quantization: {
          }
        },
        {
          shape: [
            1
          ],
          buffer: 4,
          name: "Conv2d_1/Conv2D_bias",
          quantization: {
          }
        },
        {
          shape: [
            1,
            8,
            8,
            3
          ],
          buffer: 0,
          name: "input",
          quantization: {
          }
        }
	],
	inputs: [
        0
      ],
    outputs: [
        3
      ],
	operators: [
	  {
          opcode_index: 1,
          inputs: [
            0,
            1,
            2
          ],
          outputs: [
            1
          ],
          builtin_options_type: "Conv2DOptions",
          builtin_options: {
            stride_w: 1,
            stride_h: 1,
          }
        },
		],
	}
	],
	description: "TOCO Converted.",
	buffers :[
	{
	},
	{
		data: [
        1,2,1,
        1,1,1,
		1,1,2,

		1,2,1,
        1,1,1,
		1,1,2,
		
        1,2,1,
        1,1,1,
		1,1,2,
		]
	},
	{
		data: [
		3,1,1,2
		]
	},
	{
		data: [
		1,1,2,2,
		1,1,2,2,
		1,1,2,2,
		1,1,2,2
		]
	},	
	{
		data: [
		3,2,1,2
		]
	},
	]
}

转换命令：

flatc -b schema.fbs test.json

如果转换成功，将在当前路径下生成test.tflite文件。

---

欢迎关注亦梦云烟的微信公众号: 亦梦智能计算