获取input_array和output_array项将模型转换为tflite格式

Question

PS。请不要将我指向 converting Keras model directly to tflite，因为我的 .h5 文件无法直接转换为 .tflite。我以某种方式设法将我的 .h5 文件转换为 .pb

我关注了this Jupyter notebook for face recognition using Keras. I then saved my model to a model.h5 file, then converted it to a frozen graph, model.pb using 。

现在我想在 Android 中使用我的 tensorflow 文件。为此，我需要 Tensorflow Lite，这需要我将我的模型转换为 .tflite 格式。

为此，我尝试遵循官方指南 here。如您所见，它需要 input_array 和 output_array 数组。如何从我的 model.pb 文件中获取这些内容的详细信息？

Answer 1

input arrays和output arrays分别是存储输入张量和输出张量的数组。

They intend to inform the TFLiteConverter about the input and output tensors which will be used at the time of inference.

对于 Keras 模型，

输入张量为第一层占位符张量

input_tensor = model.layers[0].input

输出张量可能与激活函数有关。

output_tensor = model.layers[ LAST_LAYER_INDEX ].output

对于冻结图，

import tensorflow as tf
gf = tf.GraphDef()   
m_file = open('model.pb','rb')
gf.ParseFromString(m_file.read())

我们得到节点的名称，

for n in gf.node:
    print( n.name )

获取张量，

tensor = n.op

输入张量可能是占位符张量。输出张量是您运行使用 session.run()

的张量

进行转换，我们得到，

input_array =[ input_tensor ]
output_array = [ output_tensor ]

获取input_array和output_array项将模型转换为tflite格式

Obtain input_array and output_array items to convert model to tflite format

python

tensorflow

tensorflow-lite