最近在用TensorFlow Object Detection API訓(xùn)練目標(biāo)檢測模型，訓(xùn)練好的pb模型大小17.6M，用pb預(yù)測效果不錯，于是想著如何在手機(jī)端運(yùn)行，查看官網(wǎng)關(guān)于tflite的轉(zhuǎn)換，網(wǎng)址：https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/running_on_mobile_tensorflowlite.md。

預(yù)測使用的pb模型：

在主目錄下的research目錄執(zhí)行如下：

生成預(yù)測使用的pb文件

注意里面的相關(guān)路徑需要換成自己的ckpt的目錄。執(zhí)行完后，會看到一個名字為--output_directory指定的目錄。這里為exported_graphs目錄，里面包含了一個SavedModel 和frozen graph，其中的.pb文件就是預(yù)測使用的。

如上轉(zhuǎn)換pb和預(yù)測過程參考我之前的文章即可。

關(guān)于tflite，需要使用如下操作：

生成frozen graph

注意第二行pipeline_config_path為你的pipeline.config目錄路徑，trained_config_path路徑為訓(xùn)練好的ckpt模型文件，output_dir為tflite輸出目錄文件夾名字，執(zhí)行完后在tflite目錄會看到兩個文件tflite_graph.pb and tflite_graph.pbtxt.

接下來就是轉(zhuǎn)tflite了，之前嘗試了其他轉(zhuǎn)tflite的方式，雖然只有幾行代碼，但發(fā)現(xiàn)一直有問題，因此按照官網(wǎng)要求一步一步轉(zhuǎn)，這次使用TOCO轉(zhuǎn)tflite，首先需要安裝TensorFlow源碼并編譯。。。。。切記，要不然找不到bazel目錄。。。。

編譯生成量化的tflite

?注意在編譯后的bazel同一級目錄執(zhí)行，input_file為上一步生成的tflite_graph.pb文件。output_file為本次要生成的tflite文件。其他的為固定寫法，如果你的模型輸入不是300x300注意改input_shapes.執(zhí)行完就能看到一個detect.tflite文件，該文件大小17M多，這次量化后的模型。

float類型的模型轉(zhuǎn)換方式：

生成float(未量化)的tflite

?如上生成detect.tflite文件。

注意：在對比tflite和pb的一致性時，輸入到tflite的圖片需要進(jìn)行(image-127.5)/128操作。否則模型輸出結(jié)果和pb文件對不上。

這樣pb文件和tflite預(yù)測的結(jié)果就能一樣，不過float模型大小和pb文件差不多，而且量化的時候模型大小為0，不明白為什么量化的時候模型為量化成功原因，現(xiàn)在只能使用float類型的tflite

后續(xù)再講其他轉(zhuǎn)pb和tflite的方式以及驗(yàn)證方式。

喜歡的朋友和點(diǎn)擊關(guān)注哦

總結(jié)

以上是生活随笔為你收集整理的object转float_人工智能-Object Detection API 模型转tflite并验证的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。