Question

我有一个keras（h5）文件。我需要将其转换为tflite？我研究了一下，首先我需要通过h5-> pb-> tflite （因为h5-tflite有时会导致某些问题）

Answer 1

这在使用Tensorflow 2.1.0和Keras 2.3.1的Windows 10上对我有用

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)

Answer 2

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将.h5文件直接转换为.tflite文件。 这不适用于Windows。

对于Windows，使用此Google Colab notebook进行转换。上载.h5文件，它将转换为.tflite文件。

跟随，如果您想自己尝试：

创建一个Google Colab笔记本。在左上角，点击“上传”按钮，然后上传您的.h5文件。

创建一个代码单元并插入此代码。

from tensorflow.contrib import lite
converter = lite.TFLiteConverter.from_keras_model_file( 'model.h5' ) # Your model's name
model = converter.convert()
file = open( 'model.tflite' , 'wb' ) 
file.write( model )

运行单元格。您将获得一个model.tflite文件。右键单击该文件，然后选择“下载”选项。

Answer 3

使用此工具转换为Tensorflow： Keras to Tensorflow Converter

然后使用以下3个代码段之一（取决于您保存TF文件的方式）将其转换为TF-Lite：

# Converting a GraphDef from session.
converter = lite.TFLiteConverter.from_session(sess, in_tensors, out_tensors)
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)

# Converting a GraphDef from file.
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)

# Converting a SavedModel.
converter = lite.TFLiteConverter.from_saved_model(saved_model_dir)
tflite_model = converter.convert()

Answer 4

有一个因素，您必须要考虑。在转换之前，您需要更改学习阶段。当您具有Dropout或Batch Normalization时，这非常重要。您可以看一下'Keras model to tflite'或'Problem after converting keras model into Tensorflow pb'的讨论

Answer 5

仅Tensorflow和Keras的某些特定版本可在所有操作系统中正常工作。我什至尝试了toco命令行，但是它也有问题。使用tensorflow == 1.13.0-rc1和keras == 2.1.3

然后这将起作用

from tensorflow.contrib import lite
converter = lite.TFLiteConverter.from_keras_model_file( 'model.h5' ) # Your model's name
model = converter.convert()
file = open( 'model.tflite' , 'wb' ) 
file.write( model )

Answer 6

如果您使用的是Google Colab Notebook，请尝试以下操作：

import tensorflow as tf
converter = tf.lite.TFLiteConverter.from_keras_model_file('model.h5') 
tfmodel = converter.convert() 
open ('model.tflite' , "wb") .write(tfmodel)

Answer 7

将 RetinaNet 转换为 tflite

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"))

Answer 8

刚刚在笔记本中使用此代码从 CoLab 完成此操作：

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 )

我无法通过 CoLab 上传 h5 模型，因此我安装了 Google Drive，将其上传到那里，然后将其移至笔记本内容文件夹。

如何将keras（h5）文件转换为tflite文件？

8 个答案:

将 RetinaNet 转换为 tflite