使用TensorFlow Lite Micro流程记录(带源码)

0 关于tflite micro

关于tflite micro在这里接不做过多介绍了，可以查看相关论文：TensorFlow Lite Micro: Embedded Machine Learning on TinyML Systems

我非常喜欢tflite micro，占用资源很少，是一个用来学习推理框架的好工程。

1 克隆仓库

在tensorflow的git里面，看到git已经迁移至一个单独的仓库。

As of June 25, 2021, the TFLM codebase has moved to a stand-alone github repository.

于是执行命令：
git clone https://github.com/tensorflow/tflite-micro.git

2 编译静态库

求助了ChatGPT 4.0：

「在这个 https://github.com/tensorflow/tflite-micro ， 怎么编译静态库？」

在TensorFlow Lite Micro的GitHub仓库中，你可以使用以下步骤来编译静态库：

首先，你需要克隆仓库：
git clone https://github.com/tensorflow/tflite-micro.git

进入克隆下来的仓库目录：
cd tflite-micro

使用make命令编译静态库：
make -f tensorflow/lite/micro/tools/make/Makefile TARGET=<TARGET> TARGET_ARCH=<ARCH> microlite

在上述命令中，<TARGET>应替换为你的目标平台（如linux），<ARCH>应替换为你的目标架构（如x86_64）。这将在tensorflow/lite/micro/tools/make/gen/<TARGET>_<ARCH>/lib/目录下生成一个名为libtensorflow-microlite.a的静态库。

请注意，你可能需要根据你的具体需求和环境来修改这些步骤。例如，你可能需要安装额外的依赖库，或者修改makefile来包含你需要的特性。

真是太棒了，于是我执行指令：

make -f tensorflow/lite/micro/tools/make/Makefile TARGET=linux TARGET_ARCH=x86_64 microlite

在 make/download/ 目录下，分别下载了flatbuffers、gemmlowp、kissfft、pigweed、ruy(如果你“网络不佳”，这里可能要花些精力)。

编译完成后，得到了静态库文件——
ar: creating gen/linux_x86_64_default/lib/libtensorflow-microlite.a

3 模型转换

以lenet5模型为例：

1. 先把tflite模型转换为cpp文件：
   xxd -i lenet5.tflite > lenet5.cpp
2. 包一下模型接口
   在lenet5.cpp的文件最后加入了这几行代码

   unsigned char * get_model_pointer()
   {
        
       return lenet5_tflite;
   }
   
   unsigned int get_model_size()
   {
        
       return lenet5_tflite_len;
   }
   

3. 增加函数头文件

   #ifndef __MODEL_INTERFACE_H__
   #define __MODEL_INTERFACE_H__
   
   unsigned char * get_model_pointer();
   unsigned int get_model_size();
   
   #