Bu sayfa, Cloud Translation API ile çevrilmiştir.
Switch to English

TensorFlow Lite dönüştürücü

TensorFlow Lite dönüştürücü bir TensorFlow modelini alır ve bir TensorFlow Lite modeli ( .tflite dosya uzantısıyla tanımlanan optimize edilmiş bir FlatBuffer formatı) oluşturur. Dönüştürücüyü kullanmak için aşağıdaki iki seçeneğiniz vardır:

  1. Python API ( önerilen ): Bu, model geliştirme işlem hattının bir parçası olarak modelleri dönüştürmeyi, optimizasyonları uygulamayı, meta veri eklemeyi ve daha birçok özelliğe sahip olmayı kolaylaştırır.
  2. Komut satırı : Bu yalnızca temel model dönüşümünü destekler.

TFLite dönüştürücü iş akışı

Python API

Yardımcı kod: Yüklü TensorFlow sürümünü tanımlamak için, print(tf.__version__) çalıştırın ve TensorFlow Lite dönüştürücü API hakkında daha fazla bilgi edinmek için print(help(tf.lite.TFLiteConverter)) .

Eğer ettiyseniz TensorFlow 2.x kurulu , aşağıdaki iki seçenek vardır: (eğer verdiyseniz TensorFlow 1.x yüklü , bakın Github )

Aşağıdaki örnek, bir SavedModel'in TensorFlow Lite modeline nasıl dönüştürüleceğini gösterir.

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)

Keras modelini dönüştürme

Aşağıdaki örnek gösterir nasıl bir dönüştürmek için Keras bir TensorFlow Lite modeli modeli.

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)

Somut işlevleri dönüştürme

Aşağıdaki örnek, somut işlevlerin TensorFlow Lite modeline nasıl dönüştürüleceğini gösterir.

import tensorflow as tf

# Create a model using low-level tf.* APIs
class Squared(tf.Module):
  @tf.function
  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])
tflite_model = converter.convert()

# Save the model.
with open('model.tflite', 'wb') as f:
  f.write(tflite_model)

Diğer özellikler

  import tensorflow as tf

  custom_opdef = """name: 'TFLiteAwesomeCustomOp' input_arg:
  { name: 'In' type: DT_FLOAT } output_arg: { name: 'Out' type: DT_FLOAT }
  attr : { name: 'a1' type: 'float'} attr : { name: 'a2' type: 'list(float)'}"""

  # Register custom opdefs before the invocation of converter API.
  tf.lite.python.convert.register_custom_opdefs([custom_opdef])

  converter = tf.lite.TFLiteConverter.from_saved_model(...)
  converter.allow_custom_ops = True

Komut Satırı Aracı

Mümkünse, yukarıda listelenen Python API'yi kullanmanız önemle tavsiye edilir.

TensorFlow 2.x'i pip'ten yüklediyseniz , tflite_convert komutunu aşağıdaki gibi kullanın: ( TensorFlow 2.x'i kaynaktan yüklediyseniz, ' tflite_convert ' yerine ' bazel run //tensorflow/lite/python:tflite_convert -- 'aşağıdaki bölümlerde ve TensorFlow 1.x'i kurduysanız, Github'a bakın ( referans , örnekler ))

tflite_convert : Mevcut tüm bayrakları görüntülemek için aşağıdaki komutu kullanın:

$ 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.

SavedModel'i Dönüştürme

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

Keras H5 modelini dönüştürme

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

Sonraki adımlar

  • Modelleri cihazlara dağıtırken platforma özgü sarmalayıcı kodu oluşturmayı kolaylaştıran meta veriler ekleyin.
  • Bir istemci cihazında (örn. Mobil, gömülü) çıkarım yapmak için TensorFlow Lite yorumlayıcısını kullanın.