超级会员免费看
本文介绍了如何使用TensorFlow Object Detection API将训练好的目标检测模型转换为tflite格式，适用于移动端部署。详细步骤包括转换pb模型、使用TOCO工具生成tflite文件，并在验证过程中注意到输入图像的预处理操作，确保tflite模型与原始pb模型预测结果一致。遇到的问题是量化后的tflite模型大小为0，目前采用float类型tflite模型。
最近在用TensorFlow Object Detection API训练目标检测模型，训练好的pb模型大小17.6M，用pb预测效果不错，于是想着如何在手机端运行，查看官网关于tflite的转换，网址：https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/running_on_mobile_tensorflowlite.md。
预测使用的pb模型：
在主目录下的research目录执行如下：
注意里面的相关路径需要换成自己的ckpt的目录。执行完后，会看到一个名字为--output_directory指定的目录。这里为exported_graphs目录，里面包含了一个SavedModel 和frozen graph，其中的.pb文件就是预测使用的。
如上转换pb和预测过程参考我之前的文章即可。
关于tflite，需要使用如下操作：
订阅专栏 解锁全文
扫一扫
6381
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
