生成.tflite檔案過程中遇到的問題及解決方案

转自 https://codertw.com/%E7%A8%8B%E5%BC%8F%E8%AA%9E%E8%A8%80/512752/

正確的做法

首先產生eval.pbtxt才能保證後續的freeze_graph、toco的正確。如何產生eval.pbtxt詳見Tensorflow部署到移動端。
利用eval.pbtxt進行正確的freeze graph：
freeze_graph

bazel-bin/tensorflow/python/tools/freeze_graph  \
--input_graph=/home/lg/Desktop/mobilenet_v1/mobilenet_v1_eval.pbtxt \
--input_checkpoint=/home/lg/Desktop/mobilenet_v1/checkpoint/model.ckpt-20000 \
--input_binary=false \
--output_graph=/home/lg/Desktop/mobilenet_v1/frozen_mobilenet_v1_224.pb  \
--output_node_names=MobilenetV1/Predictions/Reshape_1  \
--checkpoint_version=2

toco
利用eval.pbtxt進行正確的freeze graph之後生成正確的.pb檔案，再對.pb檔案進行toco：
保持FLOAT型別的toco操作：

bazel-bin/tensorflow/contrib/lite/toco/toco \
--input_file=/home/lg/Desktop/mobilenet_v1/frozen_mobilenet_v1_224.pb \
--input_format=TENSORFLOW_GRAPHDEF  \
--output_format=TFLITE  \
--output_file=/home/lg/Desktop/mobilenet_v1/frozen_graph_mobilenet_v1-FLOAT.tflite \
--inference_type=FLOAT  \
--input_type=FLOAT \
--input_arrays=Placeholder  \
--output_arrays=MobilenetV1/Predictions/Reshape_1  \
--input_shapes=1,224,224,3

進行量化為QUANTIZED_UINT8的toco操作：

bazel-bin/tensorflow/contrib/lite/toco/toco \
--input_file=/home/lg/Desktop/mobilenet_v1/frozen_mobilenet_v1_224.pb \
--input_format=TENSORFLOW_GRAPHDEF  \
--output_format=TFLITE  \
--output_file=/home/lg/Desktop/mobilenet_v1/frozen_graph_mobilenet_v1-QUANTIZED_UINT8.tflite \
--inference_type=QUANTIZED_UINT8  \
--input_type=QUANTIZED_UINT8 \
--input_arrays=Placeholder  \
--output_arrays=MobilenetV1/Predictions/Reshape_1  \
--input_shapes=1,224,224,3 \
--default_ranges_min=0.0 \
–default_ranges_max=255.0