TensorFlow Lite 轉換工具可使用 TensorFlow 模型產生 TensorFlow Lite 模型 (副檔名為 .tflite
的最佳化 FlatBuffer 格式)。您可以透過下列兩種方式使用轉換工具:
- Python API (建議):這個 API 可讓您在模型開發管線中輕鬆轉換模型、套用最佳化方法、新增中繼資料,而且還有許多其他功能。
- 指令列:僅支援基本模型轉換。
Python API
輔助程式碼:如要識別已安裝的 TensorFlow 版本,請執行 print(tf.__version__)
;如要進一步瞭解 TensorFlow Lite 轉換工具 API,請執行 print(help(tf.lite.TFLiteConverter))
。
如果已安裝 TensorFlow 2.x,您有以下兩個方式可選擇:(如果已安裝 TensorFlow 1.x,請參閱 GitHub)
使用
tf.lite.TFLiteConverter
轉換 TensorFlow 2.x 模型。TensorFlow 2.x 模型會以 SavedModel 格式儲存,並使用高階tf.keras.*
API (Keras 模型) 或低階tf.*
API (你透過這個 API 產生具體函式) 建立。因此,您有以下三個選項 (後續的幾個小節中會提供範例):使用
tf.compat.v1.lite.TFLiteConverter
轉換 TensorFlow 1.x 模型 (GitHub 上提供了範例):tf.compat.v1.lite.TFLiteConverter.from_saved_model()
:轉換 SavedModel。tf.compat.v1.lite.TFLiteConverter.from_keras_model_file()
:轉換 Keras 模型。tf.compat.v1.lite.TFLiteConverter.from_session()
:從階段轉換 GraphDef。tf.compat.v1.lite.TFLiteConverter.from_frozen_graph()
:從檔案轉換 Frozen GraphDef。如果你有查核點,請先將其轉換為 Frozen GraphDef 檔案,然後依照這裡的示範來使用這個 API。
轉換 SavedModel (建議)
以下範例說明如何將 SavedModel 轉換為 TensorFlow Lite 模型。
import tensorflow as tf
# Convert the model
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir) # path to the SavedModel directory
tflite_model = converter.convert()
# Save the model.
with open('model.tflite', 'wb') as f:
f.write(tflite_model)
轉換 Keras 模型
以下範例說明如何將 Keras 模型轉換為 TensorFlow Lite 模型。
import tensorflow as tf
# Create a model using high-level tf.keras.* APIs
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') # compile the model
model.fit(x=[-1, 0, 1], y=[-3, -1, 1], epochs=5) # train the model
# (to generate a SavedModel) tf.saved_model.save(model, "saved_model_keras_dir")
# Convert the model.
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()
# Save the model.
with open('model.tflite', 'wb') as f:
f.write(tflite_model)
轉換具體函式
以下範例說明如何將具體函式轉換為 TensorFlow Lite 模型。
import tensorflow as tf
# Create a model using low-level tf.* APIs
class Squared(tf.Module):
@tf.function(input_signature=[tf.TensorSpec(shape=[None], dtype=tf.float32)])
def __call__(self, x):
return tf.square(x)
model = Squared()
# (ro run your model) result = Squared(5.0) # This prints "25.0"
# (to generate a SavedModel) tf.saved_model.save(model, "saved_model_tf_dir")
concrete_func = model.__call__.get_concrete_function()
# Convert the model.
# Notes that for the versions earlier than TensorFlow 2.7, the
# from_concrete_functions API is able to work when there is only the first
# argument given:
# > converter = tf.lite.TFLiteConverter.from_concrete_functions([concrete_func])
converter = tf.lite.TFLiteConverter.from_concrete_functions([concrete_func],
model)
tflite_model = converter.convert()
# Save the model.
with open('model.tflite', 'wb') as f:
f.write(tflite_model)
其他功能
轉換錯誤
以下是常見的轉換錯誤及相應的解決方案:
錯誤:
Some ops are not supported by the native TFLite runtime, you can enable TF kernels fallback using TF Select. See instructions: <a href="https://www.tensorflow.org/lite/guide/ops_select">https://www.tensorflow.org/lite/guide/ops_select</a> TF Select ops: ..., .., ...
解決方案:模型的 TF 運算沒有相應的 TFLite 導入程序時,就會發生這個錯誤。如要解決這個問題,您可以在 TFLite 模型中使用 TF 運算 (建議)。 如果只想使用 TFLite 運算來產生模型,您可在 GitHub 問題 21526 下方新增回覆,以索取遺失的 TFLite 運算 (如果還沒有人提到這個問題,請開啟新的會話串),或自行建立 TFLite 運算。
錯誤:
.. is neither a custom op nor a flex op
解決方案:如果這個 TF 運算:
在 TF 中受到支援:許可清單 (TFLite 所支援 TF 運算的完整清單) 中未列入 TF 運算時,就會發生這個錯誤。您可以按照下列方式解決這個問題:
在 TF 中未受支援:TFLite 不知道有您定義的自訂 TF 運算子時,就會發生這個錯誤。您可以按照下列方式解決這個問題:
- 建立 TF 運算。
- 將 TF 模型轉換成 TFLite 模型。
- 建立 TFLite 運算,並將其連到 TFLite 執行階段以執行推論。
指令列工具
強烈建議您盡可能改用上述的 Python API。
如果您已從 pip 安裝 TensorFlow 2.x,請按照下列方式使用 tflite_convert
指令 (如果您已從原始碼安裝 TensorFlow 2.x,可在以下小節中以「bazel run
//tensorflow/lite/python:tflite_convert --
」取代「tflite_convert
」;如果您已安裝 TensorFlow 1.x,請參考 GitHub 上的參考資料和範例)
tflite_convert
:如要查看所有可用旗標,請使用下列指令:
$ tflite_convert --help
`--output_file`. Type: string. Full path of the output file.
`--saved_model_dir`. Type: string. Full path to the SavedModel directory.
`--keras_model_file`. Type: string. Full path to the Keras H5 model file.
`--enable_v1_converter`. Type: bool. (default False) Enables the converter and flags used in TF 1.x instead of TF 2.x.
You are required to provide the `--output_file` flag and either the `--saved_model_dir` or `--keras_model_file` flag.
轉換 SavedModel
tflite_convert \
--saved_model_dir=/tmp/mobilenet_saved_model \
--output_file=/tmp/mobilenet.tflite
轉換 Keras H5 模型
tflite_convert \
--keras_model_file=/tmp/mobilenet_keras_model.h5 \
--output_file=/tmp/mobilenet.tflite
後續步驟
使用 TensorFlow Lite 解譯器在用戶端裝置 (例如行動裝置、嵌入式裝置) 上執行推論。