转换 TensorFlow 模型

本页面介绍如何使用 TensorFlow Lite 转换器将 TensorFlow 模型转换为 TensorFlow Lite 模型（一种由 .tflite 文件扩展名标识的优化 FlatBuffer 格式）。

转换工作流程

下图说明了转换模型的高级工作流程

TFLite converter workflow

图 1. 转换器工作流程。

您可以使用以下选项之一转换模型

  1. Python API (推荐)：这使您能够将转换集成到您的开发管道中，应用优化，添加元数据以及许多其他简化转换过程的任务。
  2. 命令行：这仅支持基本模型转换。

Python API

辅助代码：要详细了解 TensorFlow Lite 转换器 API，请运行 print(help(tf.lite.TFLiteConverter))。

使用 tf.lite.TFLiteConverter 转换 TensorFlow 模型。TensorFlow 模型使用 SavedModel 格式存储，并且是使用高级 tf.keras.* API（Keras 模型）或低级 tf.* API（从中生成具体函数）生成的。因此，您有以下三种选择（示例在接下来的几节中）：

转换 SavedModel（推荐）

以下示例展示了如何将 SavedModel 转换为 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)

转换 Keras 模型

以下示例展示了如何将 Keras 模型转换为 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)

转换具体函数

以下示例展示了如何将 具体函数 转换为 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.

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

  • 应用 优化。常用的优化方法是 训练后量化，它可以在几乎不损失精度的同时，进一步降低模型延迟和大小。

  • 添加 元数据，这使得在设备上部署模型时更容易创建特定于平台的包装代码。

转换错误

以下是常见的转换错误及其解决方案

  • 错误: Some ops are not supported by the native TFLite runtime, you can enable TF kernels fallback using TF Select. See instructions: <a href="https://tensorflowcn.cn/lite/guide/ops_select">https://tensorflowcn.cn/lite/guide/ops_select</a> TF Select ops: ..., .., ...

    解决方案: 该错误发生是因为您的模型包含没有对应 TFLite 实现的 TF 操作。您可以通过 在 TFLite 模型中使用 TF 操作（推荐）来解决此问题。如果您想生成一个只有 TFLite 操作的模型，您可以选择在 Github issue #21526 中添加对缺少的 TFLite 操作的请求（如果您的请求尚未被提及，请留下评论），或者 自己创建 TFLite 操作。

  • 错误: .. is neither a custom op nor a flex op

    解决方案: 如果此 TF 操作是

命令行工具

如果您已 从 pip 安装了 TensorFlow 2.x，请使用 tflite_convert 命令。要查看所有可用的标志，请使用以下命令

$ 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.

如果您下载了 TensorFlow 2.x 源代码，并且想要从该源代码运行转换器，而无需构建和安装软件包，则可以在命令中将 'tflite_convert' 替换为 'bazel run tensorflow/lite/python:tflite_convert --'。

转换 SavedModel 

tflite_convert \
  --saved_model_dir=/tmp/mobilenet_saved_model \
  --output_file=/tmp/mobilenet.tflite

转换 Keras H5 模型 

tflite_convert \
  --keras_model_file=/tmp/mobilenet_keras_model.h5 \
  --output_file=/tmp/mobilenet.tflite

下一步

使用 TensorFlow Lite 解释器 在客户端设备（例如移动设备、嵌入式设备）上运行推理。