แปลงโมเดล TensorFlow

หน้านี้อธิบายวิธีแปลงโมเดล TensorFlow เป็นโมเดล TensorFlow Lite (รูปแบบ FlatBuffer ที่ได้รับการปรับให้เหมาะสมซึ่งระบุโดยนามสกุลไฟล์ .tflite ) โดยใช้ตัวแปลง TensorFlow Lite

เวิร์กโฟลว์การแปลง

แผนภาพด้านล่างแสดงขั้นตอนการทำงานระดับสูงสำหรับการแปลงโมเดลของคุณ:

ขั้นตอนการทำงานของตัวแปลง TFLite

รูปที่ 1 เวิร์กโฟลว์ตัวแปลง

คุณสามารถแปลงโมเดลของคุณได้โดยใช้ตัวเลือกใดตัวเลือกหนึ่งต่อไปนี้:

Python API ( แนะนำ ): สิ่งนี้ช่วยให้คุณสามารถรวมการแปลงเข้ากับไปป์ไลน์การพัฒนาของคุณ ใช้การปรับให้เหมาะสม เพิ่มข้อมูลเมตา และงานอื่น ๆ อีกมากมายที่ทำให้กระบวนการแปลงง่ายขึ้น
บรรทัดคำสั่ง : รองรับเฉพาะการแปลงโมเดลพื้นฐานเท่านั้น

หลาม API

รหัสตัวช่วยเหลือ: หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ API ตัวแปลง TensorFlow Lite ให้เรียกใช้ print(help(tf.lite.TFLiteConverter))

แปลงโมเดล TensorFlow โดยใช้ tf.lite.TFLiteConverter โมเดล TensorFlow ถูกจัดเก็บโดยใช้รูปแบบ SavedModel และสร้างขึ้นโดยใช้ tf.keras.* API ระดับสูง (โมเดล Keras) หรือ tf.* API ระดับต่ำ (ซึ่งคุณสร้างฟังก์ชันที่เป็นรูปธรรม) ด้วยเหตุนี้ คุณจึงมีสามตัวเลือกต่อไปนี้ (ตัวอย่างจะอยู่ใน 2-3 ส่วนถัดไป):

tf.lite.TFLiteConverter.from_saved_model() ( แนะนำ ): แปลง SavedModel
tf.lite.TFLiteConverter.from_keras_model() : แปลงโมเดล Keras
tf.lite.TFLiteConverter.from_concrete_functions() : แปลง ฟังก์ชันที่เป็นรูปธรรม

แปลง SavedModel (แนะนำ)

ตัวอย่างต่อไปนี้แสดงวิธีแปลง SavedModel เป็นโมเดล 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)

แปลงโมเดล Keras

ตัวอย่างต่อไปนี้แสดงวิธีแปลงโมเดล Keras เป็นโมเดล 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)

แปลงฟังก์ชันที่เป็นรูปธรรม

ตัวอย่างต่อไปนี้แสดงวิธีแปลง ฟังก์ชันที่เป็นรูปธรรม เป็นโมเดล 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)

คุณสมบัติอื่นๆ

ใช้ การเพิ่มประสิทธิภาพ การเพิ่มประสิทธิภาพทั่วไปที่ใช้คือ การวัดปริมาณหลังการฝึก ซึ่งสามารถลดเวลาแฝงและขนาดของโมเดลของคุณได้อีกโดยสูญเสียความแม่นยำน้อยที่สุด
เพิ่ม ข้อมูลเมตา ซึ่งช่วยให้สร้างโค้ด Wrapper เฉพาะแพลตฟอร์มได้ง่ายขึ้นเมื่อปรับใช้โมเดลบนอุปกรณ์

ข้อผิดพลาดในการแปลง

ต่อไปนี้เป็นข้อผิดพลาดในการแปลงที่พบบ่อยและแนวทางแก้ไข:

ข้อผิดพลาด: Some ops are not supported by the native TFLite runtime, you can enable TF kernels fallback using TF Select. See instructions: <a href="https://www.tensorflow.org/lite/guide/ops_select">https://www.tensorflow.org/lite/guide/ops_select</a> TF Select ops: ..., .., ...
วิธีแก้ไข: ข้อผิดพลาดเกิดขึ้นเมื่อโมเดลของคุณมีการดำเนินการ TF ที่ไม่มีการใช้งาน TFLite ที่สอดคล้องกัน คุณสามารถแก้ไขได้โดย ใช้ TF op ในโมเดล TFLite (แนะนำ) หากคุณต้องการสร้างโมเดลที่มี TFLite ops เท่านั้น คุณสามารถเพิ่มคำขอสำหรับ TFLite op ที่หายไปใน Github ฉบับที่ #21526 (แสดงความคิดเห็นหากยังไม่ได้กล่าวถึงคำขอของคุณ) หรือ สร้าง TFLite op ด้วยตัวเอง
ข้อผิดพลาด: .. is neither a custom op nor a flex op
วิธีแก้ไข: หาก TF op นี้คือ:
- รองรับใน TF: ข้อผิดพลาดเกิดขึ้นเนื่องจาก TF op หายไปจาก รายการที่อนุญาต (รายการ TF ops ที่ TFLite รองรับอย่างละเอียด) คุณสามารถแก้ไขได้ดังนี้:
  1. เพิ่มการดำเนินการที่ขาดหายไปในรายการที่อนุญาต
  2. แปลงโมเดล TF เป็นโมเดล TFLite และเรียกใช้การอนุมาน
- ไม่รองรับใน TF: ข้อผิดพลาดเกิดขึ้นเนื่องจาก TFLite ไม่ทราบตัวดำเนินการ TF แบบกำหนดเองที่คุณกำหนด คุณสามารถแก้ไขได้ดังนี้:
  1. สร้าง TF op
  2. แปลงโมเดล TF เป็นโมเดล TFLite
  3. สร้าง TFLite op และเรียกใช้การอนุมานโดยลิงก์เข้ากับรันไทม์ TFLite

เครื่องมือบรรทัดคำสั่ง

หากคุณได้ ติดตั้ง TensorFlow 2.x จาก pip ให้ใช้คำสั่ง tflite_convert หากต้องการดูแฟล็กที่มีอยู่ทั้งหมด ให้ใช้คำสั่งต่อไปนี้:

$ 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.

หากคุณมี แหล่งดาวน์โหลด TensorFlow 2.x และต้องการเรียกใช้ตัวแปลงจากแหล่งนั้นโดยไม่ต้องสร้างและติดตั้งแพ็คเกจ คุณสามารถแทนที่ ' tflite_convert ' ด้วย ' bazel run tensorflow/lite/python:tflite_convert -- ' ในคำสั่ง

การแปลง SavedModel

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

การแปลงรุ่น Keras H5

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

ขั้นตอนถัดไป

ใช้ ล่าม TensorFlow Lite เพื่อเรียกใช้การอนุมานบนอุปกรณ์ไคลเอ็นต์ (เช่น อุปกรณ์เคลื่อนที่ แบบฝัง)