将 h5 转换为 tflite
Converting h5 to tflite
我一直在尝试将这个零样本文本分类joeddav / xlm-roberta-large-xnli
从h5转换为tflite文件(https://huggingface.co/joeddav/xlm-roberta-large-xnli),但是弹出这个错误,我在网上找不到它的描述,它是如何固定的?如果不能,是否有另一个我可以使用的零样本文本分类器,即使在成为 tflite 后也能产生类似的准确性?
AttributeError: 'T5ForConditionalGeneration' object has no attribute 'call'
我一直在尝试一些不同的教程,而我当前的 google colab 文件是其中几个教程的混合体。 https://colab.research.google.com/drive/1sYQJqvhM_KEvMt2IP15d8Ud9L-ApiYv6?usp=sharing
[将 TFLite 从保存的 .h5 模型转换为 TFLite 模型]
使用tflite转换有多种方式
- TF-Lite转换器TF-Lite convertor
- TF.Lite.TFLiteConverter 否则
他们目前通过提供的链接尝试将保存的模型 .h5 转换为 TFLite,以确认他们的问题。
[样本]:
"""""""""""""""""""""""""""""""""""""""""""""""""""""""""
: Model Initialize
"""""""""""""""""""""""""""""""""""""""""""""""""""""""""
model = tf.keras.models.Sequential([
tf.keras.layers.InputLayer(input_shape=( 32, 32, 3 )),
tf.keras.layers.Dense(128, activation='relu'),
])
model.compile(optimizer='sgd', loss='mean_squared_error') # compile the model
model.summary()
model.save_weights(checkpoint_path)
"""""""""""""""""""""""""""""""""""""""""""""""""""""""""
: FileWriter
"""""""""""""""""""""""""""""""""""""""""""""""""""""""""
if exists(checkpoint_path) :
model.load_weights(checkpoint_path)
print("model load: " + checkpoint_path)
tf_lite_model_converter = tf.lite.TFLiteConverter.from_keras_model(
model
) # <tensorflow.lite.python.lite.TFLiteKerasModelConverterV2 object at 0x0000021095194E80>
tflite_model = tf_lite_model_converter.convert()
# Save the model.
with open(checkpoint_dir + '\model.tflite', 'wb') as f:
f.write(tflite_model)
[输出]:
我一直在尝试将这个零样本文本分类joeddav / xlm-roberta-large-xnli
从h5转换为tflite文件(https://huggingface.co/joeddav/xlm-roberta-large-xnli),但是弹出这个错误,我在网上找不到它的描述,它是如何固定的?如果不能,是否有另一个我可以使用的零样本文本分类器,即使在成为 tflite 后也能产生类似的准确性?
AttributeError: 'T5ForConditionalGeneration' object has no attribute 'call'
我一直在尝试一些不同的教程,而我当前的 google colab 文件是其中几个教程的混合体。 https://colab.research.google.com/drive/1sYQJqvhM_KEvMt2IP15d8Ud9L-ApiYv6?usp=sharing
[将 TFLite 从保存的 .h5 模型转换为 TFLite 模型]
使用tflite转换有多种方式
- TF-Lite转换器TF-Lite convertor
- TF.Lite.TFLiteConverter 否则
他们目前通过提供的链接尝试将保存的模型 .h5 转换为 TFLite,以确认他们的问题。
[样本]:
"""""""""""""""""""""""""""""""""""""""""""""""""""""""""
: Model Initialize
"""""""""""""""""""""""""""""""""""""""""""""""""""""""""
model = tf.keras.models.Sequential([
tf.keras.layers.InputLayer(input_shape=( 32, 32, 3 )),
tf.keras.layers.Dense(128, activation='relu'),
])
model.compile(optimizer='sgd', loss='mean_squared_error') # compile the model
model.summary()
model.save_weights(checkpoint_path)
"""""""""""""""""""""""""""""""""""""""""""""""""""""""""
: FileWriter
"""""""""""""""""""""""""""""""""""""""""""""""""""""""""
if exists(checkpoint_path) :
model.load_weights(checkpoint_path)
print("model load: " + checkpoint_path)
tf_lite_model_converter = tf.lite.TFLiteConverter.from_keras_model(
model
) # <tensorflow.lite.python.lite.TFLiteKerasModelConverterV2 object at 0x0000021095194E80>
tflite_model = tf_lite_model_converter.convert()
# Save the model.
with open(checkpoint_dir + '\model.tflite', 'wb') as f:
f.write(tflite_model)
[输出]: