דף זה מתאר כיצד להמיר מודל TensorFlow למודל TensorFlow Lite (פורמט FlatBuffer אופטימלי המזוהה על ידי סיומת הקובץ .tflite
) באמצעות ממיר TensorFlow Lite.
זרימת עבודה של המרה
התרשים שלהלן ממחיש את זרימת העבודה ברמה גבוהה להמרת המודל שלך:
איור 1. זרימת עבודה של ממיר.
אתה יכול להמיר את הדגם שלך באמצעות אחת מהאפשרויות הבאות:
- Python API ( מומלץ ): זה מאפשר לך לשלב את ההמרה בצינור הפיתוח שלך, להחיל אופטימיזציות, להוסיף מטא נתונים ומשימות רבות אחרות המפשטות את תהליך ההמרה.
- שורת פקודה : זה תומך רק בהמרת מודל בסיסי.
API של Python
קוד עוזר: למידע נוסף על ה-API לממיר TensorFlow Lite, הפעל print(help(tf.lite.TFLiteConverter))
.
המר מודל TensorFlow באמצעות tf.lite.TFLiteConverter
. מודל TensorFlow מאוחסן באמצעות פורמט SavedModel והוא נוצר או באמצעות ממשקי API ברמה גבוהה tf.keras.*
(מודל Keras) או ממשקי API ברמה נמוכה tf.*
(מהם אתה יוצר פונקציות קונקרטיות). כתוצאה מכך, עומדות בפניך שלוש האפשרויות הבאות (דוגמאות נמצאות בסעיפים הבאים):
-
tf.lite.TFLiteConverter.from_saved_model()
( מומלץ ): ממיר SavedModel . -
tf.lite.TFLiteConverter.from_keras_model()
: ממירה מודל Keras . -
tf.lite.TFLiteConverter.from_concrete_functions()
: ממיר פונקציות קונקרטיות .
המר SavedModel (מומלץ)
הדוגמה הבאה מראה כיצד להמיר SavedModel למודל 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)
המר דגם של Keras
הדוגמה הבאה מראה כיצד להמיר מודל Keras לדגם 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)
המרת פונקציות קונקרטיות
הדוגמה הבאה מראה כיצד להמיר פונקציות קונקרטיות למודל 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.
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)
תכונות אחרות
החל אופטימיזציות . אופטימיזציה נפוצה שבה נעשה שימוש היא קוונטיזציה לאחר אימון , שיכולה להפחית עוד יותר את זמן האחזור והגודל של המודל שלך עם אובדן דיוק מינימלי.
הוסף מטא נתונים , מה שמקל על יצירת קוד עטיפה ספציפי לפלטפורמה בעת פריסת מודלים במכשירים.
שגיאות המרה
להלן שגיאות המרה נפוצות והפתרונות שלהן:
שגיאה:
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: ..., .., ...
פתרון: השגיאה מתרחשת מכיוון שלדגם שלך יש TF ops שאין להם מימוש TFLite תואם. אתה יכול לפתור זאת על ידי שימוש ב-TF op במודל TFLite (מומלץ). אם אתה רוצה ליצור מודל עם TFLite ops בלבד, אתה יכול להוסיף בקשה ל-TFLite op החסר בגיליון Github מס' 21526 (השאירו הערה אם הבקשה שלכם עדיין לא הוזכרה) או ליצור את TFLite op בעצמכם.
שגיאה:
.. is neither a custom op nor a flex op
פתרון: אם TF אופציה זו היא:
נתמך ב-TF: השגיאה מתרחשת מכיוון ש-TF op חסר ברשימת ההיתרים (רשימה ממצה של TF ops הנתמכים על ידי TFLite). אתה יכול לפתור זאת באופן הבא:
לא נתמך ב-TF: השגיאה מתרחשת מכיוון ש- TFLite לא מודע לאופרטור TF המותאם אישית שהוגדר על ידך. אתה יכול לפתור זאת באופן הבא:
- צור את ה-TF op .
- המר את מודל TF למודל TFLite .
- צור את ה-TFLite op והפעל מסקנות על-ידי קישורו לזמן הריצה של TFLite.
כלי שורת הפקודה
אם התקנת את TensorFlow 2.x מ-pip , השתמש בפקודה tflite_convert
. כדי להציג את כל הדגלים הזמינים, השתמש בפקודה הבאה:
$ 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.
אם הורדת את המקור TensorFlow 2.x ואתה רוצה להפעיל את הממיר מאותו מקור מבלי לבנות ולהתקין את החבילה, אתה יכול להחליף את ' tflite_convert
' ב- ' bazel run tensorflow/lite/python:tflite_convert --
' בפקודה.
המרת SavedModel
tflite_convert \
--saved_model_dir=/tmp/mobilenet_saved_model \
--output_file=/tmp/mobilenet.tflite
המרת דגם Keras H5
tflite_convert \
--keras_model_file=/tmp/mobilenet_keras_model.h5 \
--output_file=/tmp/mobilenet.tflite
הצעדים הבאים
השתמש במתורגמן TensorFlow Lite כדי להפעיל הסקה במכשיר לקוח (למשל נייד, מוטבע).