TensorFlow Lite之CNN推理

TensorFlow Lite 中使用 CNN 模型进行推理的规则大致遵循以下步骤

1. 模型转换与优化

   • 首先，你需要有一个预先训练好的 CNN 模型，这通常是一个 Keras 或 TensorFlow 模型。
   • 使用 TensorFlow Lite 转换器（tf.lite.TFLiteConverter）将模型从 TensorFlow 格式转换为 TensorFlow Lite 格式。
   • 在转换过程中，可以选择进行量化（quantization），这是一种减少模型大小和加速推理的技术。量化将模型中的浮点数权重转换为更小的整数，从而减少内存使用和计算复杂度。

     import tensorflow as tf
     import tflite_runtime.interpreter as tflite
     import numpy as np
     import  pickle
     import cv2
     #后面代码导入模块如上所示
     # 加载模型
     model = tf.keras.models.load_model('D:\DeepL\model\model_Net_SE.h5')
     
     # 创建转换器对象
     converter = tf.lite.TFLiteConverter.from_keras_model(model)
     
     # 转换模型
     tflite_model = converter.convert()
     
     # 保存转换后的模型
     with open('new_model.tflite', 'wb') as f:
         f.write(tflite_model)

2. 加载模型

   • 在目标设备（如移动设备或嵌入式设备&