تحويل نماذج TensorFlow

تصف هذه الصفحة كيفية تحويل نموذج TensorFlow إلى نموذج TensorFlow Lite (تنسيق FlatBuffer المحسّن المحدد بواسطة ملحق الملف .tflite ) باستخدام محول TensorFlow Lite.

سير عمل التحويل

يوضح الرسم البياني أدناه سير العمل عالي المستوى لتحويل النموذج الخاص بك:

سير عمل محول TFLite

الشكل 1. سير عمل المحول.

يمكنك تحويل النموذج الخاص بك باستخدام أحد الخيارات التالية:

  1. Python API ( موصى به ): يسمح لك هذا بدمج التحويل في مسار التطوير الخاص بك، وتطبيق التحسينات، وإضافة البيانات الوصفية والعديد من المهام الأخرى التي تعمل على تبسيط عملية التحويل.
  2. سطر الأوامر : هذا يدعم فقط تحويل النموذج الأساسي.

واجهة برمجة تطبيقات بايثون

رمز المساعد: لمعرفة المزيد حول واجهة برمجة تطبيقات محول TensorFlow Lite، قم بتشغيل print(help(tf.lite.TFLiteConverter)) .

تحويل نموذج TensorFlow باستخدام tf.lite.TFLiteConverter . يتم تخزين نموذج TensorFlow باستخدام تنسيق SavedModel ويتم إنشاؤه إما باستخدام واجهات برمجة التطبيقات tf.keras.* عالية المستوى (نموذج Keras) أو واجهات برمجة التطبيقات tf.* منخفضة المستوى (التي تقوم بإنشاء وظائف محددة منها). ونتيجة لذلك، لديك الخيارات الثلاثة التالية (الأمثلة موجودة في الأقسام القليلة التالية):

يوضح المثال التالي كيفية تحويل SavedModel إلى نموذج TensorFlow Lite.

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)

تحويل نموذج Keras

يوضح المثال التالي كيفية تحويل نموذج Keras إلى نموذج TensorFlow Lite.

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)

تحويل وظائف ملموسة

يوضح المثال التالي كيفية تحويل الوظائف الملموسة إلى نموذج TensorFlow Lite.

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)

ميزات أخرى

  • تطبيق التحسينات . أحد التحسين الشائع المستخدم هو تكميم ما بعد التدريب ، والذي يمكن أن يقلل بشكل أكبر من زمن وصول النموذج وحجمه مع الحد الأدنى من فقدان الدقة.

  • قم بإضافة البيانات التعريفية ، مما يسهل إنشاء تعليمات برمجية مجمعة خاصة بالنظام الأساسي عند نشر النماذج على الأجهزة.

أخطاء التحويل

فيما يلي أخطاء التحويل الشائعة وحلولها:

أداة سطر الأوامر

إذا قمت بتثبيت TensorFlow 2.x من النقطة ، فاستخدم الأمر tflite_convert . لعرض كافة العلامات المتاحة، استخدم الأمر التالي:

$ 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.

إذا كان لديك مصدر TensorFlow 2.x تم تنزيله وتريد تشغيل المحول من هذا المصدر دون إنشاء الحزمة وتثبيتها، فيمكنك استبدال ' tflite_convert ' بـ ' bazel run tensorflow/lite/python:tflite_convert -- ' في الأمر.

تحويل نموذج محفوظ

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

تحويل نموذج Keras H5

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

الخطوات التالية

استخدم مترجم TensorFlow Lite لتشغيل الاستدلال على جهاز عميل (على سبيل المثال، محمول، مضمن).