המרת דגמי TensorFlow

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:

זרימת עבודה של ממיר TFLite

איור 1. זרימת עבודה של ממיר.

אתה יכול להמיר את הדגם שלך באמצעות אחת מהאפשרויות הבאות:

  1. Python API ( מומלץ ): זה מאפשר לך לשלב את ההמרה בצינור הפיתוח שלך, להחיל אופטימיזציות, להוסיף מטא נתונים ומשימות רבות אחרות המפשטות את תהליך ההמרה.
  2. 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):

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:

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).