Google I/O สำเร็จแล้ว! ติดตามเซสชัน TensorFlow ดูเซสชัน

ตัวแปลง TensorFlow Lite

แปลง TensorFlow Lite เตะรุ่น TensorFlow และสร้างรูปแบบการ TensorFlow Lite (เพิ่มประสิทธิภาพ FlatBuffer รูปแบบที่ระบุโดย .tflite นามสกุลไฟล์) คุณมีสองตัวเลือกต่อไปนี้สำหรับการใช้ตัวแปลง:

  1. งูหลาม API (แนะนำ): นี่ทำให้ง่ายต่อการแปลงรูปแบบที่เป็นส่วนหนึ่งของโครงการพัฒนารูปแบบการใช้เพิ่มประสิทธิภาพเพิ่มข้อมูลเมตาและมีคุณสมบัติอื่น ๆ อีกมากมาย
  2. บรรทัดคำสั่ง : นี้จะสนับสนุนการแปลงรูปแบบพื้นฐาน

เวิร์กโฟลว์ตัวแปลง TFLite

Python API

รหัส Helper: การระบุรุ่น TensorFlow ติดตั้งให้เรียกใช้ print(tf.__version__) และเพื่อเรียนรู้เพิ่มเติมเกี่ยวกับการแปลง API TensorFlow Lite วิ่ง print(help(tf.lite.TFLiteConverter))

หากคุณได้ ติดตั้ง TensorFlow 2.x คุณมีดังต่อไปนี้สองตัวเลือกนี้ (ถ้าคุณได้ ติดตั้ง TensorFlow 1.x อ้างถึง Github )

แปลง SavedModel (แนะนำ)

แสดงให้เห็นตัวอย่างต่อไปนี้วิธีการแปลง SavedModel ในรูปแบบ TensorFlow Lite

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)

แปลงโมเดล Keras

แสดงให้เห็นตัวอย่างต่อไปนี้วิธีการแปลง Keras รูปแบบในรูปแบบ TensorFlow Lite

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)

แปลงฟังก์ชันคอนกรีต

แสดงให้เห็นตัวอย่างต่อไปนี้วิธีการแปลง ฟังก์ชั่นที่เป็นรูปธรรม ในรูปแบบ TensorFlow Lite

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)

คุณสมบัติอื่นๆ

  • สมัคร เพิ่มประสิทธิภาพ เพิ่มประสิทธิภาพทั่วไปที่ใช้เป็น ควอนฝึกอบรมหลัง ซึ่งต่อไปจะสามารถลดความล่าช้ารูปแบบและขนาดของคุณกับการสูญเสียน้อยที่สุดในความถูกต้อง

  • เพิ่ม เมตาดาต้า ซึ่งจะทำให้ง่ายต่อการสร้างแพลตฟอร์มรหัสเฉพาะเสื้อคลุมเมื่อปรับใช้แบบจำลองบนอุปกรณ์

ข้อผิดพลาดในการแปลง

ต่อไปนี้เป็นข้อผิดพลาดทั่วไปในการแปลงและวิธีแก้ไข:

  • ข้อผิดพลาด: 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: ..., .., ...

    วิธีแก้ไข: ข้อผิดพลาดเกิดขึ้นเนื่องจากโมเดลของคุณมี TF ops ที่ไม่มีการใช้งาน TFLite ที่สอดคล้องกัน คุณสามารถแก้ปัญหานี้โดย ใช้ op TF ในรูปแบบ TFLite (แนะนำ) หากคุณต้องการที่จะสร้างรูปแบบที่มี Ops TFLite เท่านั้นคุณสามารถเพิ่มการร้องขอสำหรับการหายตัวไปของสหกรณ์ TFLite ใน Github รุ่น # 21526 (แสดงความคิดเห็นหากคำขอของคุณยังไม่ได้รับการกล่าวถึงอยู่แล้ว) หรือ สร้างสหกรณ์ TFLite ตัวเอง

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

    วิธีแก้ไข: หาก TF op นี้คือ:

เครื่องมือบรรทัดคำสั่ง

ก็ขอแนะนำให้คุณใช้ API หลาม ระบุไว้ข้างต้นแทนถ้าเป็นไปได้

หากคุณได้ ติดตั้ง TensorFlow 2.x จาก pip ใช้ tflite_convert คำสั่งดังต่อไปนี้ (ถ้าคุณได้ ติดตั้ง 2.x TensorFlow จากแหล่ง แล้วคุณสามารถแทนที่ ' tflite_convert ' กับ ' bazel run //tensorflow/lite/python:tflite_convert -- 'ในส่วนต่อไปและถ้าคุณได้ ติดตั้ง TensorFlow 1.x แล้วอ้างถึง Github ( อ้างอิง , ตัวอย่าง ))

tflite_convert : หากต้องการดูธงทั้งหมดที่มีอยู่ให้ใช้คำสั่งต่อไปนี้:

$ 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.

การแปลงรูปแบบที่บันทึกไว้

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

การแปลงโมเดล Keras H5

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

ขั้นตอนถัดไป

ใช้ ล่าม TensorFlow Lite วิ่งอนุมานบนอุปกรณ์ของลูกค้า (เช่นมือถือฝังตัว)