使用tflite_convert命令工具将keras h5文件转换为tflite文件简易指南

问题来源

网上查询了各种资料，也看了tensorflow lite官网转换模型的章节，不是这里错就是那里搞不定．
最后终于通过两次转换将keras生成的h5文件转换成了tflite文件．遂记录之以备来日查看或做前车之鉴．

注意事项

1. 环境

我所使用的环境是ubuntu 18.04 + python3.6 + tensorflow-gpu1.9 + keras 2.2.0
整个python虚拟环境使用conda进行创建
不保证其他tensorflow版本能够按照步骤成功，特别是tensorflow2.x版本改了一些api
貌似win10有些命令不能用或包缺失，所以windows系统也不能保证成功

2. h5模型

保存模型时不能只保存权重[model.save_weights()]，要使用model.save()把模型结构也保存下来

3. tflite_convert工具

从TensorFlow 1.9开始，命令行工具tflite_convert作为Python包的一部分随之安装
translated from : https://tensorflow.google.cn/lite/convert/cmdline_examples

转换

1. h5文件转换为pb文件

谷歌推荐的保存模型的方式是保存模型为 PB 文件，它具有语言独立性，可独立运行，封闭的序列化格式，任何语言都可以解析它，它允许其他语言和深度学习框架读取、继续训练和迁移 TensorFlow 的模型。
它的主要使用场景是实现创建模型与使用模型的解耦， 使得前向推导 inference的代码统一。
另外的好处是保存为 PB 文件时候，模型的变量都会变成固定的，导致模型的大小会大大减小，适合在手机端运行。
还有一个就是，真正离线测试使用的时候，ｐｂ格式的数据能够保证数据不会更新变动，就是不会进行反馈调节啦。
abstract from : https://blog.csdn.net/fu6543210/article/details/80343345

使用keras_to_tensorflow.py文件在命令行中转换

1.1 获取keras_to_tensorflow.py文件

从github仓库克隆代码

git clone http://www.github.com/amir-abdi/keras_to_tensorflow.git

1.2 转到keras_to_tensorflow目录

cd ./keras_to_tensorflow

1.3使用keras_to_tensorflow.py进行转换

python keras_to_tensorflow.py --input_model=[h5文件目录] --output_model=[待生成的p