轉換 TensorFlow 模型

本頁面說明如何使用 TensorFlow Lite 轉換器，將 TensorFlow 模型轉換為 TensorFlow Lite 模型 (一種最佳化的 FlatBuffer 格式，以 .tflite 副檔名識別)。

轉換工作流程

下圖說明模型轉換的高階工作流程

TFLite converter workflow

圖 1. 轉換器工作流程。

您可以使用下列其中一個選項轉換模型

  1. Python API (建議)：此選項可讓您將轉換整合至開發管線、套用最佳化、新增中繼資料，以及執行許多其他簡化轉換程序的任務。
  2. 命令列：此選項僅支援基本模型轉換。

Python API

輔助程式碼：如要進一步瞭解 TensorFlow Lite 轉換器 API，請執行 print(help(tf.lite.TFLiteConverter))。

使用 tf.lite.TFLiteConverter 轉換 TensorFlow 模型。TensorFlow 模型使用 SavedModel 格式儲存，並透過高階 tf.keras.* API (Keras 模型) 或低階 tf.* API (您可從中產生具體函式) 產生。因此，您有下列三個選項 (範例在接下來的幾個章節中)

轉換 SavedModel (建議)

下列範例說明如何將 SavedModel 轉換為 TensorFlow Lite 模型。

import tensorflow as tf

# Convert the model
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir) # path to the SavedModel directory
tflite_model = converter.convert()

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

轉換 Keras 模型

下列範例說明如何將 Keras 模型轉換為 TensorFlow Lite 模型。

import tensorflow as tf

# Create a model using high-level tf.keras.* APIs
model = tf.keras.models.Sequential([
    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(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.
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)

轉換具體函式

下列範例說明如何將 具體函式 轉換為 TensorFlow Lite 模型。

import tensorflow as tf

# Create a model using low-level tf.* APIs
class Squared(tf.Module):
  @tf.function(input_signature=[tf.TensorSpec(shape=[None], dtype=tf.float32)])
  def __call__(self, x):
    return tf.square(x)
model = Squared()
# (ro run your model) result = Squared(5.0) # This prints "25.0"
# (to generate a SavedModel) tf.saved_model.save(model, "saved_model_tf_dir")
concrete_func = model.__call__.get_concrete_function()

# Convert the model.

converter = tf.lite.TFLiteConverter.from_concrete_functions([concrete_func],
                                                            model)
tflite_model = converter.convert()

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

其他功能

  • 套用最佳化。常用的最佳化是訓練後量化，這可以進一步縮短模型延遲時間和大小，並將準確度損失降至最低。

  • 新增中繼資料，以便在裝置上部署模型時，更輕鬆地建立平台專屬的包裝函式程式碼。

轉換錯誤

以下是常見的轉換錯誤及其解決方案

  • 錯誤：有些運算子不受原生 TFLite 執行階段支援，您可以透過 TF Select 啟用 TF 核心回退機制。請參閱操作說明：<a href="https://tensorflow.dev.org.tw/lite/guide/ops_select">https://tensorflow.dev.org.tw/lite/guide/ops_select</a> TF Select 運算子：...、...、...

    解決方案：發生此錯誤的原因是您的模型中有 TFLite 實作中沒有對應項目的 TF 運算子。您可以在 TFLite 模型中使用 TF 運算子 (建議) 來解決此問題。如果您只想產生僅含 TFLite 運算子的模型，您可以前往 Github 問題 #21526 提出缺少 TFLite 運算子的要求 (如果您的要求尚未提及，請留言)，或自行建立 TFLite 運算子。

  • 錯誤：.. 既不是自訂運算子，也不是彈性運算子

    解決方案：如果這個 TF 運算子

命令列工具

如果您已從 pip 安裝 TensorFlow 2.x，請使用 tflite_convert 命令。如要查看所有可用的標記，請使用下列命令

$ tflite_convert --help

`--output_file`. Type: string. Full path of the output file.
`--saved_model_dir`. Type: string. Full path to the SavedModel directory.
`--keras_model_file`. Type: string. Full path to the Keras H5 model file.
`--enable_v1_converter`. Type: bool. (default False) Enables the converter and flags used in TF 1.x instead of TF 2.x.

You are required to provide the `--output_file` flag and either the `--saved_model_dir` or `--keras_model_file` flag.

如果您已下載 TensorFlow 2.x 來源，並想從該來源執行轉換器，而不需建構和安裝套件，您可以將命令中的「tflite_convert」取代為「bazel run tensorflow/lite/python:tflite_convert --」。

轉換 SavedModel 

tflite_convert \
  --saved_model_dir=/tmp/mobilenet_saved_model \
  --output_file=/tmp/mobilenet.tflite

轉換 Keras H5 模型 

tflite_convert \
  --keras_model_file=/tmp/mobilenet_keras_model.h5 \
  --output_file=/tmp/mobilenet.tflite

後續步驟

使用 TensorFlow Lite 解譯器，在用戶端裝置 (例如行動裝置、嵌入式裝置) 上執行推論。