TensorFlow Lite と Python の使用は、Raspberry Pi や Edge TPU を使用した Coral デバイス などの Linux ベースの組み込みデバイスに最適です。
このページでは、Python で TensorFlow Lite モデルをすぐに実行できるようにする方法を説明します。必要なのは、TensorFlow Lite に変換された TensorFlow モデルのみです。（変換済みのモデルがまだ用意されていない場合は、以下にリンクされた例で使用されているモデルを使って実験できます。）
TensorFlow Lite インタープリタのみをインストールする
TensorFlow Lite モデルを Python で素早く実行できるようにするには、TensorFlow パッケージ全体の代わりに TensorFlow Lite インタープリタのみをインストールすることができます。
このインタープリタのみのパッケージは、TensorFlow のフルパッケージのわずか一部のサイズで、TensorFlow Lite で推論を実行するために最小限必要なコードのみが含まれます。含まれているのは、tf.lite.Interpreter Python クラスのみです。パッケージサイズが小さいため、.tflite モデルの実行のみが必要であり、大規模な TensorFlow ライブラリによるディスクスペースの浪費を避ける場合に理想的と言えます。
注意: TensorFlow Lite コンバータなどのほかの Python API にアクセスする必要がある場合は、TensorFlow のフルパッケージをインストールする必要があります。
インストールするには、pip3 install を実行して、次のテーブルに示される適切な Python wheel の URL を渡します。
たとえば、Raspbian Buster（Python 3.7 を使用）を実行している Raspberry Pi があるとした場合、次のように Python wheel をインストールします。
pip3 install https://dl.google.com/coral/python/tflite_runtime-2.1.0.post1-cp37-cp37m-linux_armv7l.whl
tflite_runtime を使用して推論を実行する
このインタープリタのみのパッケージと TensorFlow フルパッケージを区別するために（両方をインストール可）、上記の wheel で提供される Python モジュールは、tflite_runtime と名付けられています。
そのため、tensorflow モジュールから Interpreter をインポートする代わりに、tflite_runtime からインポートする必要があります。
たとえば、上記のパッケージをインストールした後に、label_image.py ファイルをコピーして実行するとします。tensorflow ライブラリがインストールされていないため、この操作は失敗するでしょう。これを修正するには、ファイルの次の行を編集します。
import tensorflow as tf
上記を次のように編集します。
import tflite_runtime.interpreter as tflite
また、次の行も変更します。
interpreter = tf.lite.Interpreter(model_path=args.model_file)
上記を次のように変更します。
interpreter = tflite.Interpreter(model_path=args.model_file)
もう一度 label_image.py を実行してください。そうです！TensorFlow Lite モデルを実行できるようになりました。
今後の学習
Interpreter API の詳細については、Python でモデルを読み込んで実行するをお読みください。
Raspberry Pi を使用している場合は、Pi Camera と TensorFlow Lite を使った画像分類を実行するclassify_picamera.py の例 をお試しください。
Coral ML アクセラレータを使用している場合は、GitHub の Coral サンプルをご覧ください。
ほかの TensorFlow モデルを TensorFlow Lite に変換するには、TensorFlow Lite コンバータ についてお読みください。