将 Keras 模型转换为 TensorFlow Lite 模型

来源——官网

import tensorflow as tf

# Create a model using high-level tf.keras.* APIs

## model = tf.keras.models.Sequential([网络结构])  #描述各层网络
model = tf.keras.models.Sequential([

## tf.keras.layers.Dense() 全连接层作用 全连接层在整个网络卷积神经网络中起到“特征提取器”的作用
    tf.keras.layers.Dense(units=1, input_shape=[1]),
    tf.keras.layers.Dense(units=16, activation='relu'),
    tf.keras.layers.Dense(units=1)
])

## model.compile()方法用于在配置训练方法时，告知训练时用的优化器、损失函数和准确率评测标准
## model.compile(optimizer = 优化器，
  ##                      loss = 损失函数，
  ##                     metrics = ["准确率”])
  
model.compile(optimizer='sgd', loss='mean_squared_error') # compile the model
model.fit(x=[-1, 0, 1], y=[-3, -1, 1], epochs=5) # train the model
# (to generate a SavedModel) tf.saved_model.save(model, "saved_model_keras_dir")

# Convert the model.
## TFLiteConverter.from_keras_model()：用来转换 tf.keras 模型
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()

# Save the model.
with open('model.tflite', 'wb') as f:
  f.write(tflite_model)