一种可以尝试用tensorflow生成tflite的方法

 通过以下代码得到固化后的pb文件

from tensorflow.python.framework import graph_util

···
inputs = tf.placeholder(tf.float32, shape=[None, ···], name='inputs') 
···
prediction = tf.nn.softmax(logits, name='prediction') 
···

with tf.Session() as sess:
    ···    <-- 训练过程
    graph_def = tf.get_default_graph().as_graph_def()
    output_graph_def = graph_util.convert_variables_to_constants(
        sess, 
        graph_def, 
        ['prediction']  <-- 参数：output_node_names，输出节点名
    )
    with tf.gfile.GFile('./xxx/xxx.pb', 'wb') as fid:
        serialized_graph = output_graph_def.SerializeToString()
        fid.write(serialized_graph)

然后安装bazel编译tensorflow，使用tensorflow自带工具对模型进行转换

 

 bazel build tensorflow/tools/graph_transforms:summarize_graph  #bazel编译tensorflow

bazel-bin/tensorflow/tools/graph_transforms/summarize_graph --in_graph=tensorflow_inception_graph.pb

这种方法能够适用与darknet框架种生成的weight和cfg，然后将weight和cfg转换为ckpt和pb文件，然后固化ckpt和pb得到有图和数据的pb文件，最后用pb2tflite脚本转换为可以使用的tflite文件。可以参考和其中的评论https://www.jianshu.com/p/c9fd5c01715e