我得到了一个keras (h5)文件。 我需要将其转换为tflite吗?? 我进行了研究,首先我需要通过h5 -> pb -> tflite (因为h5 - tflite有时会导致一些问题)
我得到了一个keras (h5)文件。 我需要将其转换为tflite吗?? 我进行了研究,首先我需要通过h5 -> pb -> tflite (因为h5 - tflite有时会导致一些问题)
from tensorflow.contrib import lite
converter = lite.TFLiteConverter.from_keras_model_file( 'model.h5')
tfmodel = converter.convert()
open ("model.tflite" , "wb") .write(tfmodel)
您可以使用TFLiteConverter直接将.h5文件转换为.tflite文件。 这在Windows上不起作用。
对于Windows,请使用Google Colab笔记本进行转换。上传.h5文件,它将把它转换为.tflite文件。
如果您想自己尝试,请按照以下步骤:
创建一个代码单元格并插入此代码。
from tensorflow.contrib import lite
converter = lite.TFLiteConverter.from_keras_model_file( 'model.h5' ) # 您的模型名称
model = converter.convert()
file = open( 'model.tflite' , 'wb' )
file.write( model )
运行该单元格。您将获得一个model.tflite文件。右键单击该文件并选择“下载”选项。
我在Windows 10上使用Tensorflow 2.1.0和Keras 2.3.1时,这对我有效。
import tensorflow as tf
model = tf.keras.models.load_model('model.h5')
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)
我刚刚在notebook中使用以下代码通过CoLab完成了这个操作:
import tensorflow as tf
model = tf.keras.models.load_model('yourmodel.h5')
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflmodel = converter.convert()
file = open( 'yourmodel.tflite' , 'wb' )
file.write( tflmodel )
我在 CoLab 上上传 h5 模型时遇到了困难,因此我挂载了我的 Google Drive,在那里上传了它,然后将其移动到笔记本内容文件夹中。
import tensorflow as tf
from tensorflow import lite
from tensorflow.keras.models import load_model
converter = lite.TFLiteConverter.from_keras_model(model)
tfmodel = converter.convert()
open ("model.tflite" , "wb") .write(tfmodel)
这对我来说有效。我正在使用keras==2.6.0和tensorflow-cpu==2.5.0版本。更多信息,请访问https://www.tensorflow.org/guide/keras/save_and_serialize。
import tensorflow as tf
from keras.models import load_model
model = load_model("model.h5")
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tfmodel = converter.convert()
open("model.tflite", "wb") .write(tfmodel)
converter = lite.TFLiteConverter.from_session(sess, in_tensors, out_tensors)
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)
converter = lite.TFLiteConverter.from_frozen_graph(
graph_def_file, input_arrays, output_arrays)
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)
converter = lite.TFLiteConverter.from_saved_model(saved_model_dir)
tflite_model = converter.convert()
import tensorflow as tf
converter = tf.lite.TFLiteConverter.from_keras_model_file('model.h5')
tfmodel = converter.convert()
open ('model.tflite' , "wb") .write(tfmodel)
对于Tensorflow GPU 2.6.2
和Keras 2.6.0
:
import tensorflow as tf
model=tf.keras.models.load_model("./your_model.h5")
converter = tf.lite.TFLiteConverter.from_keras_model(model)
converter.experimental_new_converter = True
tflite_model = converter.convert()
file = open( 'converted_model.tflite' , 'wb' )
file.write( tflite_model )
有一个因素,你必须考虑。在转换之前,你需要改变学习阶段。当你使用Dropout或Batch Normalization时,这非常重要。你可以查看'将Keras模型转换为tflite'或'将Keras模型转换为Tensorflow pb后出现的问题'讨论。
import tensorflow as tf
from keras_retinanet.models import load_model
from keras.layers import Input
from keras.models import Model
def get_file_size(file_path):
size = os.path.getsize(file_path)
return size
def convert_bytes(size, unit=None):
if unit == "KB":
return print('File size: ' + str(round(size / 1024, 3)) + ' Kilobytes')
elif unit == "MB":
return print('File size: ' + str(round(size / (1024 * 1024), 3)) + ' Megabytes')
else:
return print('File size: ' + str(size) + ' bytes')
def convert_model_to_tflite(model_path = "/content/drive/MyDrive/Model/resnet152_csv_180_inference.h5", filename = "converted_model.tflite"):
model = load_model(model_path)
fixed_input = Input((416,416,3))
fixed_model = Model(fixed_input,model(fixed_input))
converter = tf.lite.TFLiteConverter.from_keras_model(model)
converter.target_spec.supported_ops = [
tf.lite.OpsSet.TFLITE_BUILTINS, # enable TensorFlow Lite ops.
tf.lite.OpsSet.SELECT_TF_OPS # enable TensorFlow ops.
]
tflite_model = converter.convert()
open(filename, "wb").write(tflite_model)
print(convert_bytes(get_file_size("converted_model.tflite"), "MB"))
tf.lite.TFLiteConverter
。参见:https://www.tensorflow.org/lite/convert/python_api - Luke Needhamtf.lite.TFLiteConverter
将普通的Keras模型转换为tflite?因为文档中说可以通过tf.lite.TFLiteConverter
将tf.keras模型转换。这是否也适用于普通的keras模型?在我的代码中,我使用的是旧版的Keras pip安装包,而不是tensorflow内部的tf.keras。 - user rk