Python에서 TensorFlow Lite를 사용하면 Raspberry Pi 및 Edge TPU를 탑재한 Coral 기기와 같이 Linux 기반의 임베디드 기기에서 유익한 결과를 거둘 수 있습니다.
이 페이지에서는 단 몇 분 안에 Python으로 TensorFlow Lite 모델 실행을 시작할 수 있는 방법을 보여줍니다. TensorFlow Lite로 변환된 TensorFlow 모델만 있으면 됩니다. 아직 변환된 모델이 없는 경우, 아래 링크된 예제와 함께 제공된 모델을 사용하여 시도해 볼 수 있습니다.
TensorFlow Lite 인터프리터만 설치하기
Python으로 TensorFlow Lite 모델을 빠르게 실행하려면 전체 TensorFlow 패키지 대신 TensorFlow Lite 인터프리터만 설치할 수 있습니다.
이 인터프리터 전용 패키지의 크기는 전체 TensorFlow 패키지의 극히 일부이며 TensorFlow Lite로 추론을 실행하는 데 필요한 최소한의 코드를 포함합니다. 여기에는 tf.lite.Interpreter Python 클래스만 포함됩니다. 이 작은 패키지는 .tflite 모델만 실행하고 대용량 TensorFlow 라이브러리로 디스크 공간을 낭비하지 않으려는 경우에 이상적입니다.
참고: TensorFlow Lite Converter와 같은 다른 Python API에 액세스해야 하는 경우, 전체 TensorFlow 패키지를 설치해야 합니다.
설치하려면 pip3 install을 실행하고 다음 표에서 적절한 Python wheel URL을 전달합니다.
예를 들어, Raspbian Buster(Python 3.7 포함)를 실행하는 Raspberry Pi를 사용 중인 경우, 다음과 같이 Python wheel을 설치합니다.
pip3 install https://dl.google.com/coral/python/tflite_runtime-2.1.0.post1-cp37-cp37m-linux_armv7l.whl
tflite_runtime을 사용하여 추론 실행하기
이 인터프리터 전용 패키지를 전체 TensorFlow 패키지와 구분하기 위해(원하면 둘 다 설치할 수 있음) 위의 wheel에 제공된 Python 모듈의 이름은 tflite_runtime입니다.
따라서 Interpreter를 tensorflow 모듈 대신 tflite_runtime에서 가져와야 합니다.
예를 들어, 위의 패키지를 설치한 후 label_image.py 파일을 복사하고 실행합니다. (아마도) tensorflow 라이브러리가 설치되어 있지 않기 때문에 이 작업에 실패합니다. 이 문제를 해결하려면 파일의 다음 줄을 편집합니다.
import tensorflow as tf
이제 코드는 다음과 같습니다.
import tflite_runtime.interpreter as tflite
그리고 다음 줄을 변경합니다.
interpreter = tf.lite.Interpreter(model_path=args.model_file)
이제 코드는 다음과 같습니다.
interpreter = tflite.Interpreter(model_path=args.model_file)
이제 label_image.py를 다시 실행합니다. 모두 끝났습니다! 이제 TensorFlow Lite 모델을 실행합니다.
자세히 알아보기
Interpreter API에 대한 자세한 내용은 Python에서 모델 로드 및 실행하기를 참조하세요.
Raspberry Pi를 사용하는 경우, classify_picamera.py 예제를 사용하여 Pi 카메라 및 TensorFlow Lite로 이미지 분류를 수행해 보세요.
Coral ML 가속기를 사용하는 경우, GitHub에서 Coral 예제를 확인하세요.
다른 TensorFlow 모델을 TensorFlow Lite로 변환하려면 TensorFlow Lite 변환기에 대해 읽어보세요.