自己在将tensorflow模型移动端部署的时候(使用 tensorflow lite),踩了很多坑,查了很多资料,现在做个记录,所有参考资料在文章最后 参考 处列出。
tensorflow lite是TensorFlow Lite 是 Google I/O 2017 大会上的其中一个重要宣布,有了TensorFlow Lite,应用开发者可以在移动设备上部署人工智能。
tensorflow lite 【github】
基本思路:
- 在pc端进行 Tensorflow 模型训练,保存训练模型
- 使用 工具将该模型转换为 Tensorflow lite 模型
- 在Android上使用
tensorflow模型持久化
在tensorflow中进行模型训练,得到适合自己项目的模型。Tensorflow 模型训练好之后会生成三个文件:
- model.ckpt.meta :保存Tensorflow计算图结构,可以理解为神经网络的网络结构
- model.ckpt :保存Tensorflow程序中每一个变量的取值,变量是模型中可训练的部分
- checkpoint :保存一个目录下所有模型文件列表
# 使用tf.train.write_graph导出GraphDef文件
tf.train.write_graph(sess.graph_def, "./", "mz_graph.pb", as_text=False)
# 使用tf.train.save导出checkpoint文件
saver.save(sess, model_path)
生成的模型文件如下图所示: