keras .h5转移动端的.tflite文件实现方式

2023-07-24 06:56:03 261

以前tensorflow有bug在winodws下无法转，但现在好像没有问题了,代码如下

将keras下的mobilenet_v2转成了tflite

fromkeras.backendimportclear_session
importnumpyasnp
importtensorflowastf
clear_session()
np.set_printoptions(suppress=True)
input_graph_name="../models/weights.best_mobilenet224.h5"
output_graph_name=input_graph_name[:-3]+'.tflite'
converter=tf.lite.TFLiteConverter.from_keras_model_file(model_file=input_graph_name)
converter.post_training_quantize=True
#在windows平台这个函数有问题，无法正常使用
tflite_model=converter.convert()
open(output_graph_name,"wb").write(tflite_model)
print("generate:",output_graph_name)

补充知识：如何把Tensorflow模型转换成TFLite模型

深度学习迅猛发展，目前已经可以移植到移动端使用了，TensorFlow推出的TensorFlowLite就是一款把深度学习应用到移动端的框架技术。

使用TensorFlowLite需要tflite文件模型，这个模型可以由TensorFlow训练的模型转换而成。所以首先需要知道如何保存训练好的TensorFlow模型。

一般有这几种保存形式：

1、Checkpoints

2、HDF5

3、SavedModel等

保存与读取CheckPoint

当模型训练结束，可以用以下代码把权重保存成checkpoint格式

model.save_weights('./MyModel',True)

checkpoints文件仅是保存训练好的权重，不带网络结构，所以做predict时需要结合model使用

如：

model=keras_segmentation.models.segnet.mobilenet_segnet(n_classes=2,input_height=224,input_width=224)
model.load_weights('./MyModel')

保存成H5

把训练好的网络保存成h5文件很简单

model.save('MyModel.h5')

H5转换成TFLite

这里是文章主要内容

我习惯使用H5文件转换成tflite文件

官网代码是这样的

converter=tf.lite.TFLiteConverter.from_keras_model_file('newModel.h5')
tflite_model=converter.convert()
open("converted_model.tflite","wb").write(tflite_model)

但我用的keras2.2.4版本会报下面错误，好像说是新版的keras把relu6改掉了，找不到方法

ValueError:Unknownactivationfunction:relu6

于是需要自己定义一个relu6

importtensorflowastf
fromtensorflow.python.kerasimportbackendasK
fromtensorflow.python.keras.utilsimportCustomObjectScope

defrelu6(x):
returnK.relu(x,max_value=6)

withCustomObjectScope({'relu6':relu6}):
converter=tf.lite.TFLiteConverter.from_keras_model_file('newModel.h5')
tflite_model=converter.convert()
open("newModel.tflite","wb").write(tflite_model)

看到生成的tflite文件表示保存成功了

也可以这么查看tflite网络的输入输出

importnumpyasnp
importtensorflowastf

#LoadTFLitemodelandallocatetensors.
interpreter=tf.lite.Interpreter(model_path="newModel.tflite")
interpreter.allocate_tensors()

#Getinputandoutputtensors.
input_details=interpreter.get_input_details()
output_details=interpreter.get_output_details()

print(input_details)
print(output_details)

输出了以下信息

[{'name':'input_1','index':115,'shape':array([1,224,224,3]),'dtype':,'quantization':(0.0,0)}]

[{'name':'activation_1/truediv','index':6,'shape':array([1,12544,2]),'dtype':,'quantization':(0.0,0)}]

两个shape分别表示输入输出的numpy数组结构，dtype是数据类型

以上这篇keras.h5转移动端的.tflite文件实现方式）就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。

keras .h5转移动端的.tflite文件实现方式

热门推荐

随机推荐