【Tensorflow】利用TFLiteConverter将pb模型文件转化为tflite模型文件

import tensorflow as tf
#把pb文件路径改成自己的pb文件路径即可
path = "/home/dev/Desktop/model_convert_tools/tensorflow-yolo-v3/yolov3-tiny_160000.pb"

#如果是不知道自己的模型的输入输出节点,建议用tensorboard做可视化查看计算图,计算图里有输入输出的节点名称
inputs = ["inputs"]
outputs = ["output_boxes"]
#转换pb模型到tflite模型
converter = tf.lite.TFLiteConverter.from_frozen_graph(path, inputs, outputs)
converter.post_training_quantize = True
tflite_model = converter.convert()
#yolov3-tiny_160000.tflite这里改成自己想要保存tflite模型的地址即可
open("yolov3-tiny_160000.tflite", "wb").write(tflite_model)

记录

用yolov3训练出的.cfg和.weights文件经过转换,生成了pb模型文件,再将pb模型文件通过此代码转换生成移动端可用的tflite模型文件

  • 3
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
将别的模型转化TensorFlow Lite有以下几个步骤: 1. 安装TensorFlowTensorFlow Lite转化模型之前,需要先安装TensorFlowTensorFlow Lite。可以通过pip安装,命令如下: ``` pip install tensorflow pip install tensorflow-lite ``` 2. 将模型转化TensorFlow格式 将模型转化TensorFlow格式,可以使用TensorFlow提供的工具convert_to_tensorflow.py。该工具可以将常见的深度学习框架模型转化TensorFlow格式。使用方法如下: ``` python convert_to_tensorflow.py --input_model=model.h5 --output_graph=model.pb --output_node_names=output ``` 其中,input_model是待转化模型文件,output_graph是转化后的TensorFlow模型文件,output_node_names是输出节点的名称。 3. 将TensorFlow模型转化TensorFlow Lite格式 使用TensorFlow提供的工具toco_convert,将TensorFlow模型转化TensorFlow Lite格式。使用方法如下: ``` toco_convert --output_file=model.tflite --input_format=TENSORFLOW_GRAPHDEF --output_format=TFLITE --input_arrays=input --output_arrays=output --inference_type=FLOAT --input_shapes=1,224,224,3 --input_data_type=FLOAT model.pb ``` 其中,output_file是转化后的TensorFlow Lite模型文件,input_format是输入的模型格式,output_format是输出的模型格式,input_arrays和output_arrays是输入和输出节点的名称,inference_type是推理类型,input_shapes是输入数据的形状,model.pb是输入的TensorFlow模型文件

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值