TensorFlow函數(shù)教程：tf.lite.TFLiteConverter

tf.lite.TFLiteConverter函數(shù)

類 TFLiteConverter

別名：

• 類 tf.contrib.lite.TFLiteConverter
• 類 tf.lite.TFLiteConverter

定義在：tensorflow/lite/python/lite.py。

使用TOCO將TensorFlow模型轉(zhuǎn)換為output_format。

這用于將TensorFlow GraphDef或SavedModel轉(zhuǎn)換為TFLite FlatBuffer或圖形可視化。

屬性：

• inference_type：輸出文件中實數(shù)數(shù)組的目標數(shù)據(jù)類型。一定是{tf.float32, tf.uint8}。（默認為tf.float32）
• inference_input_type：實數(shù)輸入數(shù)組的目標數(shù)據(jù)類型。在量化的情況下允許輸入數(shù)組使用不同的類型。一定是{tf.float32, tf.uint8}。（默認為inference_type）
• output_format：輸出文件格式。目前一定是{TFLITE, GRAPHVIZ_DOT}。（默認為TFLITE）
• quantized_input_stats：表示輸入張量名稱的字符串的dict映射到表示訓練數(shù)據(jù)平均值和標準偏差的浮點元組（例如，{“foo”:( 0.，1。）}）。只需要inference_input_type是QUANTIZED_UINT8。real_input_value =（quantized_input_value - mean_value）/ std_dev_value。（默認為{}）
  
• default_ranges_stats：表示沒有指定范圍的所有數(shù)組的（最小，最大）范圍值的整數(shù)元組。用于通過“虛擬量化”進行量化試驗。（默認為None）
• drop_control_dependency：Boolean，指示是否以靜默方式刪除控件依賴項。這是由于TFLite不支持控件依賴性。（默認為True）
• reorder_across_fake_quant：Boolean，指示是否在意料之外的位置重新排序FakeQuant節(jié)點。當FakeQuant節(jié)點的位置阻止轉(zhuǎn)換圖形所需的圖形轉(zhuǎn)換時使用。圖表中的結(jié)果與量化的訓練圖表不同，可能導致不同的算術(shù)行為。（默認為False）
• change_concat_input_ranges：Boolean，用于更改量化模型的concat運算符的輸入和輸出的最小/最大范圍行為。如果為true，則更改concat運算符重疊的范圍。（默認為False）
• allow_custom_ops：Boolean，指示是否允許自定義操作。如果為False，則任何未知操作都是錯誤。如果為True，則為任何未知的操作創(chuàng)建自定義操作。開發(fā)人員需要使用自定義解析程序?qū)⑦@些提供給TensorFlow Lite運行時。（默認為False）
• post_training_quantize：Boolean，指示是否量化已轉(zhuǎn)換的浮點模型的權(quán)重。模型尺寸將減小，并且會有延遲改進（以精度為代價）。（默認為False）
• dump_graphviz_dir：文件夾的完整文件路徑，用于在處理GraphViz .dot文件的各個階段轉(zhuǎn)儲圖形。首選--output_format = GRAPHVIZ_DOT，以保持輸出文件的要求。（默認為None）
• dump_graphviz_video：Boolean，指示在每次圖形轉(zhuǎn)換后是否轉(zhuǎn)儲圖形。（默認為False）
• target_ops：實驗標志，可能會有變化。一組OpsSet選項，指示要使用的轉(zhuǎn)換器。（默認設(shè)置（[OpsSet.TFLITE_BUILTINS]））

用法示例：

# 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()

# Converting a tf.keras model.
converter = lite.TFLiteConverter.from_keras_model_file(keras_model)
tflite_model = converter.convert()

__init__

__init__(
    graph_def,
    input_tensors,
    output_tensors,
    input_arrays_with_shape=None,
    output_arrays=None
)

TFLiteConverter的構(gòu)造函數(shù)。

參數(shù)：

• graph_def：固有TensorFlow GraphDef。
• input_tensors：輸入張量列表。使用foo.get_shape()和foo.dtype計算類型和shape。
• output_tensors：輸出張量列表（僅使用.name）。
• input_arrays_with_shape：表示輸入張量名稱的字符串元組和表示輸入shape的整數(shù)列表（例如，[("foo" : [1, 16, 16, 3])]）。僅在無法將圖形加載到TensorFlow中，并且input_tensors和output_tensors為None時使用。（默認為None）
• output_arrays：用于凍結(jié)圖形的輸出張量列表。僅在無法將圖形加載到TensorFlow中，并且input_tensors和output_tensors為None時使用。（默認為None）

可能引發(fā)的異常：

• ValueError：無效的參數(shù)。

方法

convert

convert()

根據(jù)實例變量轉(zhuǎn)換TensorFlow GraphDef。

返回：

轉(zhuǎn)換后的數(shù)據(jù)采用序列化格式。TFLite Flatbuffer或Graphviz圖表，取決于output_format中的值。

可能引發(fā)的異常：

• ValueError：未指定輸入形狀。input_tensor中的維度沒有值。

from_frozen_graph

@classmethod
from_frozen_graph(
    cls,
    graph_def_file,
    input_arrays,
    output_arrays,
    input_shapes=None
)

從包含凍結(jié)GraphDef的文件創(chuàng)建TFLiteConverter類。

參數(shù)：

• graph_def_file：包含凍結(jié)GraphDef的文件的完整文件路徑。
• input_arrays：用于凍結(jié)圖形的輸入張量列表。
• output_arrays：用于凍結(jié)圖形的輸出張量列表。
• input_shapes：表示輸入張量名稱的字符串的Dict到表示輸入shape的整數(shù)列表（例如，{"foo" : [1, 16, 16, 3]}）。輸入shape為None時自動確定（例如，{"foo" : None}）。（默認為None）

返回：

TFLiteConverter類。

可能引發(fā)的異常：

• IOError： 文件未找到。無法解析輸入文件。
• ValueError：圖表未凍結(jié)。input_arrays或output_arrays包含無效的張量名稱。必要時，未正確定義input_shapes。

from_keras_model_file

@classmethod
from_keras_model_file(
    cls,
    model_file,
    input_arrays=None,
    input_shapes=None,
    output_arrays=None
)

從tf.keras模型文件創(chuàng)建TFLiteConverter類。

參數(shù)：

• model_file：包含tf.keras模型的HDF5文件的完整文件路徑。
• input_arrays：用于凍結(jié)圖形的輸入張量列表。當沒有提供時，使用來自SignatureDef的輸入數(shù)組。（默認為None）
• input_shapes：表示輸入張量名稱的字符串的Dict到表示輸入shape的整數(shù)列表（例如，{"foo" : [1, 16, 16, 3]}）。輸入shape為None時自動確定（例如，{"foo" : None}）。（默認為None）。
• output_arrays：用于凍結(jié)圖形的輸出張量列表。當沒有提供時，使用來自SignatureDef的輸出數(shù)組。（默認為None）

返回：

TFLiteConverter類。

from_saved_model

@classmethod
from_saved_model(
    cls,
    saved_model_dir,
    input_arrays=None,
    input_shapes=None,
    output_arrays=None,
    tag_set=None,
    signature_key=None
)

從SavedModel創(chuàng)建TFLiteConverter類。

參數(shù)：

• saved_model_dir：要轉(zhuǎn)換的SavedModel目錄。
• input_arrays：用于凍結(jié)圖形的輸入張量列表。當沒有提供時，使用來自SignatureDef的輸入數(shù)組。（默認為None）
• input_shapes：表示輸入張量名稱的字符串的Dict到表示輸入shape的整數(shù)列表（例如，{"foo" : [1, 16, 16, 3]}）。輸入shape為None時自動確定（例如，{"foo" : None}）。（默認為None）。
• output_arrays：用于凍結(jié)圖形的輸出張量列表。當沒有提供時，使用來自SignatureDef的輸出數(shù)組。（默認為None）
• tag_set：標識要在SavedModel中進行分析的MetaGraphDef的標記集。標簽集中的所有標簽都必須存在。（默認設(shè)置("serve")）
• signature_key：標識包含輸入和輸出的SignatureDef的關(guān)??鍵字。（默認為DEFAULT_SERVING_SIGNATURE_DEF_KEY）

返回：

TFLiteConverter類。

from_session

@classmethod
from_session(
    cls,
    sess,
    input_tensors,
    output_tensors
)

從TensorFlow會話創(chuàng)建TFLiteConverter類。

參數(shù)：

• sess：TensorFlow會話。
• input_tensors：輸入張量列表。使用foo.get_shape()和foo.dtype計算類型和shape。
• output_tensors：輸出張量列表（僅使用.name）。

返回：

TFLiteConverter類。

get_input_arrays

get_input_arrays()

返回輸入張量的名稱列表。

返回：

字符串列表。