TensorFlow modellerini dönüştürme

Bu sayfada, TensorFlow Lite dönüştürücü kullanılarak bir TensorFlow modelinin bir TensorFlow Lite modeline ( .tflite dosya uzantısı tarafından tanımlanan optimize edilmiş bir FlatBuffer formatı) nasıl dönüştürüleceği açıklanmaktadır.

Dönüşüm iş akışı

Aşağıdaki şema, modelinizi dönüştürmek için üst düzey iş akışını göstermektedir:

TFLite dönüştürücü iş akışı

Şekil 1. Dönüştürücü iş akışı.

Aşağıdaki seçeneklerden birini kullanarak modelinizi dönüştürebilirsiniz:

  1. Python API ( önerilir ): Bu, dönüştürmeyi geliştirme hattınıza entegre etmenize, optimizasyonlar uygulamanıza, meta veriler eklemenize ve dönüştürme sürecini basitleştiren diğer birçok görevi gerçekleştirmenize olanak tanır.
  2. Komut satırı : Bu yalnızca temel model dönüştürmeyi destekler.

Python API'si

Yardımcı kodu: TensorFlow Lite dönüştürücü API'si hakkında daha fazla bilgi edinmek için print(help(tf.lite.TFLiteConverter)) çalıştırın.

tf.lite.TFliteConverter kullanarak bir tf.lite.TFLiteConverter modelini dönüştürün. Bir TensorFlow modeli, SavedModel formatı kullanılarak depolanır ve yüksek seviyeli tf.keras.* API'leri (bir Keras modeli) veya düşük seviyeli tf.* API'leri (somut işlevler oluşturduğunuz) kullanılarak oluşturulur. Sonuç olarak, aşağıdaki üç seçeneğiniz vardır (örnekler sonraki birkaç bölümde verilmiştir):

SavedModel'i Dönüştür (önerilir)

Aşağıdaki örnek, SavedModel'in TensorFlow Lite modeline nasıl dönüştürüleceğini gösterir.

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)

Keras modelini dönüştürme

Aşağıdaki örnek, bir Keras modelinin bir TensorFlow Lite modeline nasıl dönüştürüleceğini gösterir.

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)

Somut fonksiyonları dönüştür

Aşağıdaki örnek, somut işlevlerin bir TensorFlow Lite modeline nasıl dönüştürüleceğini gösterir.

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)

Diğer özellikler

  • Optimizasyonları uygulayın. Kullanılan yaygın bir optimizasyon, minimum doğruluk kaybıyla modelinizin gecikmesini ve boyutunu daha da azaltabilen eğitim sonrası nicelemedir .

  • Modelleri cihazlara dağıtırken platforma özel sarmalayıcı kodu oluşturmayı kolaylaştıran meta veriler ekleyin.

Dönüşüm hataları

Aşağıdakiler yaygın dönüştürme hataları ve çözümleridir:

Komut Satırı Aracı

TensorFlow 2.x'i pip'ten yüklediyseniz , tflite_convert komutunu kullanın. Mevcut tüm bayrakları görüntülemek için aşağıdaki komutu kullanın:

$ 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.

TensorFlow 2.x kaynağını indirdiyseniz ve paketi oluşturup kurmadan dönüştürücüyü bu kaynaktan çalıştırmak istiyorsanız, komutta ' tflite_convert ' yerine ' bazel run tensorflow/lite/python:tflite_convert -- ' yazabilirsiniz.

SavedModel'i Dönüştürme

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

Keras H5 modelini dönüştürme

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

Sonraki adımlar

Bir istemci cihazda (ör. mobil, gömülü) çıkarım yapmak için TensorFlow Lite yorumlayıcısını kullanın.