无法将tf模型转换为tflite模型
将TensorFlow模型转换为TensorFlow Lite模型是将模型优化为适用于嵌入式设备和移动设备的轻量级格式的常见需求。下面是关于无法将tf模型转换为tflite模型的完善且全面的答案：
概念： TensorFlow是一个开源的机器学习框架，用于构建、训练和部署机器学习模型。TensorFlow Lite是TensorFlow的一种轻量级版本，专门用于在嵌入式设备和移动设备上部署模型。
分类： 将tf模型转换为tflite模型涉及模型转换和优化的过程。模型转换是将TensorFlow模型转换为TensorFlow Lite模型的过程，而模型优化是为了减小模型的大小和提高运行效率。
优势：
- 轻量级格式：TensorFlow Lite模型采用了轻量级的格式，减小了模型的存储空间和内存占用，使其更适用于资源受限的嵌入式设备和移动设备。
- 高效推理：TensorFlow Lite模型在嵌入式设备和移动设备上具有较高的推理效率，可以实时地进行模型推理，适用于实时应用场景。
- 灵活性：TensorFlow Lite支持多种硬件平台和操作系统，可以在各种设备上部署模型，具有较高的灵活性。
应用场景： TensorFlow Lite模型广泛应用于嵌入式设备和移动设备上的机器学习任务，例如智能手机、智能家居、无人机、边缘设备等。它可以用于图像分类、目标检测、语音识别、自然语言处理等各种机器学习任务。
推荐的腾讯云相关产品和产品介绍链接地址： 腾讯云提供了丰富的云计算和人工智能相关的产品和服务，其中包括适用于TensorFlow Lite模型部署的产品和解决方案。以下是一些相关的产品和链接：
- AI 基础服务：https://cloud.tencent.com/product/ai
- 腾讯云提供了多种基础的人工智能服务，如图像识别、语音识别、自然语言处理等，可用于支持TensorFlow Lite模型相关的任务。
- IoT Explorer：https://cloud.tencent.com/product/ioe
- 腾讯云的IoT Explorer是一种可扩展、低延迟和安全的物联网（IoT）解决方案，可用于在嵌入式设备上部署和管理TensorFlow Lite模型。
- 云服务器 CVM：https://cloud.tencent.com/product/cvm
- 腾讯云的云服务器CVM提供了高性能的云服务器实例，可用于在云上进行TensorFlow Lite模型的转换、优化和部署。
- 云储存 COS：https://cloud.tencent.com/product/cos
- 腾讯云的云储存COS提供了安全、可靠和高性能的对象存储服务，可用于存储和管理TensorFlow Lite模型及其相关数据。
总结： 将tf模型转换为tflite模型是一种将TensorFlow模型优化为适用于嵌入式设备和移动设备的轻量级格式的常见需求。通过腾讯云提供的各种云计算和人工智能产品和服务，可以方便地进行模型转换、优化和部署，以满足各种实际应用场景的需求。
相关·内容
我是tensorflow的新手，我从创建了一个简单的tflite模型，它在带有tflite_flutter插件的颤振应用程序中工作得很好。
然后，我不得不用预先训练过的.h5模型来改变模型。我将.h5模型转换为.tflite模型，但它崩溃了。
转换后的预训练模型的input shape是，output shape是1，12，测试模型的input shape是1224,224，3，output shape是1，3。
我创建了一个输入形状为1224、224、3的.h5模型，并将其转换为tflite，它工作了。似乎转换是起作用的，问题可能是模型的形状。我不知道该怎么做。
下面是我用于转换的代码。
f
浏览 28提问于2022-05-15得票数 0
回答已采纳
我已经使用TF2对象检测API训练了一个预模型(ssd_mobilenet_v2_fpnlite_640x640)，然后导出到一个中间SavedModel，然后使用以下教程将其转换为TFlite模型：TF2 Object Detection API、Running TF2 Detection API Models on mobile、Converter Python API guide和Edge TF Lite iOS tutorial。 经过多个小时的工作，我设法让我的模型在Python环境中进行预测，并在TF lite预制的iOS应用程序中运行。 然而，在尝试了许多导出和转换模型的方法后
浏览 31提问于2020-09-09得票数 0
我遇到了一个问题，我将keras模型转换为tensorflow lite格式，但是一旦我这样做了，转换后的模型的精度就会显着下降。该模型是一个相当简单的自然语言处理模型。在转换之前，模型的准确率约为96%，但一旦转换为tensorflow lite格式(没有任何优化)，准确率就会下降到20%左右。这是一个可笑的性能下降，所以我想知道这是可能发生的事情，还是我做错了什么？我在运行debian的beaglebone SBC上运行tflite模型，并在python上运行推论。 我的tflite转换代码： converter = tf.lite.TFLiteConverter.from_keras
浏览 149提问于2021-01-15得票数 3
我在黑暗网上重新训练了我的模型，并使用将我的暗网重量转换为h5。
为了量化的目的，我用relu替换了泄漏的relu。然后，利用tf-nightly成功地将我的模型转换成tflite模型.
但是，我不能通过调整最近的错误大小来将模型解析为edgetpu。据我所知，在中支持调整最近邻居的大小，那么为什么会发生此错误呢？有办法解决吗？
下面是我的tflite转换代码：
import tensorflow as tf
import numpy as np
import sys
def representative_dataset_gen():
for _ in range(250):
浏览 3提问于2020-06-11得票数 1
回答已采纳
我已经在Tensorflow中训练了一个模型，所以可以产生的最大输出值是1.0。然后我将其转换为Tensorflow Lite以放在android上，现在Tensorflow Lite模型产生的值远远大于1.0。我能做些什么来解决这个问题呢？
我使用的是Tensorflow 2.5
tf模型-> tflite模型脚本
converter = tf.lite.TFLiteConverter.from_saved_model("/content/drive/MyDrive/savedmodel")
converter.optimizations = [tf.lite.Opti
浏览 25提问于2021-06-09得票数 0
回答已采纳
我正在尝试生成自定义张量流模型(tf/tflite文件)，我想要用于我的移动应用程序。
我经历过很少的机器学习和张量流博客，从那里我开始生成一个简单的ML模型。
所有这些都很好，他们引导我做下面的步骤，
I)安装所有必要的工具(TensorFlow、Python、木星等)。(2)加载培训和测试数据。(3)运行列车张量流过程，并对结果进行评价。(四)提高准确度的步骤
但是我无法生成..tf/..tflite文件。
我尝试了下面的代码，但这会生成一个空文件。
converter = tf.contrib.lite.TFLiteConverter.from_sessi
浏览 0提问于2019-05-24得票数 1
我必须尝试对我的模型(Tflite)进行量化。 我想通过动态范围量化将float32更改为浮点数16。 这是我的代码： import tensorflow as tf
import json
import sys
import pprint
from tensorflow import keras
import numpy as np
converter = tf.lite.TFLiteConverter.from_saved_model('models')
converter.optimizations = [tf.lite.Optimize.DEFAULT]
conve
浏览 17提问于2021-04-23得票数 0
回答已采纳
1回答
张量流目录语法
、、、、
我尝试在google collab中执行代码来量化我的PC中的张量流模型。
在守则中：
import tensorflow as tf
converter = tf.lite.TFLiteConverter.from_saved_model(D:\FYP\tflite floating point model converted_tflite\converted_tflite)
converter.optimizations = [tf.lite.Optimize.DEFAULT]
converter.representative_dataset = representative_datase
浏览 3提问于2022-03-21得票数 0
我想将整数量化的tflite模型转换为Tensorflow中的冻结图 (.pb)。我在StackOverflow上阅读并尝试了许多解决方案，但都没有奏效。具体来说，toco不起作用(output_format不能是TENSORFLOW_GRAPHDEF)。
我的最终目标是通过 tf2onnx 获得一个量化的ONNX模型，但是tf2onnx不支持tflite作为输入(只支持saved_model、检查点和graph_def )。但是，在使用TFLiteConverter对经过训练的模型进行量化之后，它只返回一个tflite文件。这就是问题产生的地方。
理想流程实质上是: float32 ->
浏览 3提问于2020-07-20得票数 3
1回答
我想不出如何使用python在珊瑚加速器上调用我的.tflite模型。
.tflite模型是从一些示例代码生成的。它可以很好地使用tf.lite.Interpreter()类，但我不知道如何将它转换为使用edgetpu类。我尝试了edgetpu.basic.basic_engine.BasicEngine()，将模型数据类型从numpy.float32更改为numpy.uint8，但这并没有帮助。我是一个完全的初学者与TensorFlow，只是想使用我的tpu作为母校。
import numpy
import tensorflow as tf
import edgetpu
from edget
浏览 0提问于2019-06-02得票数 0
回答已采纳
我们在转换经过预先训练的Tensorflow模型时遇到了问题，我们将其作为以下文件
snapshot_140.ckpt.index
snapshot_140.ckpt.meta
快照_140.ckpt.data-00000-00001
对于tensorflow lite，当我们使用转换后的tflie文件进行预测时，所有的预测都在Nan而正常的tensorflow模型加载时给出了正确的回归预测。
上面有这些文件，从ckpt文件到tensorflow .pb图的转换是通过tensorflow.python.tools.freeze_graph工具进行的。
然后，将TFlite_converter工
浏览 1提问于2019-05-22得票数 2
我正在尝试将DNN模型的.pb格式更改为.tflite，我还想量化所有的权重和偏差。当使用以下代码时，权重以8位为单位进行量化，但偏置仍然是浮点数。
我已经使用了tf-nightly的最新版本。代码是：
import tensorflow as tf
graph_def_file = "DNN_S.pb"
converter=tf.lite.TFLiteConverter.from_frozen_graph(graph_def_file,input_arrays,output_arrays,input_shapes)
converter.target_spec.suppo
浏览 54提问于2019-08-22得票数 0
回答已采纳
我对tensorflow相当陌生，我有一个tflite模型，需要对单个图像(即没有数据集)进行推断。docs说输入应该是224,224,3，并缩放到，但是我很难把这个重新标度为0,1。
目前，我有这样的情况：
img = tf.io.read_file(image_path)
img = tf.io.decode_image(img, channels=3)
img = tf.image.convert_image_dtype(img, tf.uint8)
print('min max img value',tf.reduce_min(img),
浏览 17提问于2022-02-17得票数 0
我想将Keras模型转换为Tensorflow Lite模型。当我查看文档时，有人说我们可以使用tf.keras HDF5模型作为输入。这是否意味着我可以使用保存的HDF5 Keras模型作为它的输入，或者tf.keras HDF5模型和Keras HDF5模型是不同的东西？
文档：
编辑:我可以使用这个API将我的Keras模型转换成Tensorflow Lite模型，但是我还没有测试它。我的代码：
converter = tf.lite.TFLiteConverter.from_keras_model_file(path + 'plant-
recognition-model.h
浏览 1提问于2019-05-03得票数 1
回答已采纳
我想确定我执行的获得yolov2-lite模型的tflite的下列步骤是否正确？
Step1将图和权值保存到原始文件
flow --model cfg/yolov2-tiny.cfg --load bin/yolov2-tiny.weights --savepb。
此命令使用yolov2-tiny.pb和yolov2-tiny.meta创建build_graph文件夹。
Step2将pb转换为tflite
我执行了下面的代码以获得yolov2-tiny.tflite
import tensorflow as tf
localpb = 'yolov2-tiny.pb'
tf
浏览 7提问于2019-11-04得票数 0
回答已采纳
一些TFlite模型model.process()似乎需要TensorBuffer，而另一些则需要TensorImage。我也不知道原因?
首先，我采用了一个常规的TensorFlow / Keras模型，该模型使用以下方法保存：
model.save(keras_model_path,
include_optimizer=True,
save_format='tf')
然后，我使用以下方法将这个Keras模型(300 MB)压缩和量化为TFlite格式：
converter = tf.lite.TFLiteConverter.from_keras_model
浏览 40提问于2022-03-27得票数 0
我无法转换retrained_graph.pb文件(启动-V3)模型从再培训到.tflite模型的安卓应用程序。
编写retrained_graph.pb文件的代码是：
output_graph_def = graph_util.convert_variables_to_constants(sess, graph.as_graph_def(), [FINAL_TENSOR_NAME])
with gfile.FastGFile(graph_file_name, 'wb') as f:
f.write(output_graph_def.Serial
浏览 3提问于2019-07-10得票数 0
回答已采纳
是否有可能将tflite模型转换为pb模型？
我看过很多关于转换"pb->tflite“的文章，但是没有机会找到"tflite->pb”。
如果这是不可能的，是否有任何方法，我可以做量化，只有tflite文件？
(到目前为止，我注意到tf.lite.TFLiteConverter.from_saved_model()只接受pb文件，这就是为什么我试图将tflite转换为pb)。
任何提示或建议都会很棒！
谢谢
浏览 5提问于2021-04-23得票数 2
回答已采纳
我试图通过tf.keras.preprocessing.image_dataset_from_directory()调用dataset，将TF模型量化为TFLite模型，以便将其部署到我的ESP32上，并使用images_batch和labels_batch迭代representative dataset()函数。但是，我得到了一个错误：'EndVector()接受1个位置参数，但给出了2个‘，并且无法纠正它。有谁能帮帮我吗？ TFlite转换器代码： converter = tf.lite.TFLiteConverter.from_saved_model(MODEL_DIR)
浏览 21提问于2021-08-16得票数 0
1回答
我有一个tflite模型，我想把它转换成tensorflow或者keras或者ONNX格式。有什么办法吗？ 我可以使用tf解释器导入它，然后在python上运行它。但是，我想将其转换为上述格式之一。 import tensorflow as tf
interpreter = tf.lite.Interpreter(model_path="conv_actions_frozen.tflite")
tensors = interpreter.get_tensor_details()
浏览 313提问于2019-09-25得票数 3
2回答
我正面临着坦索弗莱的问题。我知道这个错误：
不支持类型的INT32 (2)。节点STRIDED_SLICE (编号2)未能在状态1调用
我所做的是：
我用MNIST数据训练了一个模型。
model = tf.keras.Sequential([
tf.keras.layers.InputLayer(input_shape=(28, 28)),
tf.keras.layers.Reshape(target_shape=(28, 28, 1)),
tf.keras.layers.Conv2D(filters=12, kernel_size=(3, 3), activation=&
浏览 3提问于2020-11-15得票数 1
我目前有一个问题，将tensorflow .pb模型转换为TFlite格式。我目前正在遵循上的指令，错误说
回溯(最近一次调用)：File“/usr/local/bin/tflite_ImportError”，第5行，从tensorflow.lite.python.tflite_convert导入主ImportError:没有名为lite.python.tflite_convert的模块
我正在使用Google提供的命令
tflite_convert \--图_def_file=tf_files/重新训练的_Graph.pb\
-输出_file=tf_files/优化_GRAPHDE
浏览 2提问于2019-10-26得票数 0
我正在尝试转换这三个预先训练过的模型文件：
semantic_model.data-00000-of-00001semantic_model.indexsemantic_model.meta
转换为保存的模型格式，以便以后可以将其转换为TFLite格式进行推理。在搜索StackOverflow时，我会遇到这样的代码，它正确地生成Saved_model.pb，但是，正如在一些注释中所指出的，这样做并不能保持，这在以后尝试将其转换为TFlite格式或冻结它时会导致错误。
import os
import tensorflow.compat.v1 as tf
tf.compat.v1.disable
浏览 1提问于2021-01-05得票数 0
回答已采纳
1回答
我有这个代码来构建一个语义搜索引擎，使用来自tensorflow中心的经过预先训练的通用编码器。我无法改信于特利特。我已将模型保存到我的目录中。
进口模型：
module_path ="/content/drive/My Drive/4"
%time model = hub.load(module_path)
#print ("module %s loaded" % module_url)
#Create function for using modeltraining
def embed(input):
return model(input)
培训数
浏览 4提问于2020-04-01得票数 0
1回答
我正在使用Tensorflow Lite进行一个TinyML项目，该项目包括量化模型和浮点模型。在我的管道中，我使用tf.keras API训练我的模型，然后将模型转换成TFLite模型。最后，将TFLite模型量化为int8模型。
我可以使用API model.save和tf.keras.model.load_model保存和加载“正常”的tensorflow模型
对转换后的TFLite模型也可以这样做吗？每次都要经历量化过程，这是相当耗时的。
浏览 3提问于2021-06-25得票数 2
回答已采纳
我试图将保存的模型转换为tflite模型，保存的模型保存在我的桌面上，但是当我尝试运行以下代码时:我会产生一个错误-
OSError: SavedModel file does not exist at: C:/Users/Omar/Desktop/model00000014.h5/{saved_model.pbtxt|saved_model.pb}.
不知道问题出在哪里。
import tensorflow as tf
saved_model_dir = "r"C:/Users/Omar/Desktop/model00000014.h5""
convert
浏览 5提问于2021-02-04得票数 0
我写了一个TensorFlow / Keras超分辨率GAN。我已经使用在Google中执行的以下代码将经过训练的.h5模型转换为.tflite模型：
import tensorflow as tf
model = tf.keras.models.load_model('/content/drive/My Drive/srgan/output/srgan.h5')
converter = tf.lite.TFLiteConverter.from_keras_model(model)
converter.post_training_quantize=True
tflite_mod
浏览 0提问于2019-08-23得票数 3
回答已采纳
1回答
我正在尝试将keras模型转换为tflite量化模型，这样我就可以在coral TPU上运行我的模型，但我的keras模型和tflite模型的输出明显不同。
红点是量化的tflite模型输出，蓝点是原始keras模型输出。
下面是我将keras模型转换为量化tflite模型的代码：
quant = True
gc.collect()
import tensorflow as tf
import numpy as np
import pathlib
print(tf.__version__)
converter = tf.lite.TFLiteConverter.from_keras_
浏览 4提问于2020-05-28得票数 1
为了在移动设备上运行，我想把一个模型(如Mobilenet V2)从Py手电筒转换成tflite。
有人这样做了吗？
我发现的是一种使用ONNX将模型转换为中间状态的方法。然而，这似乎不能正常工作，因为Tensorflow期望使用NHWC-通道命令，而onnx和py手电筒则使用NCHW通道命令。
有一个讨论，但在我的例子中，转换工作没有抱怨，直到一个“冻结的tensorflow图形模型”，在试图将模型进一步转换为tflite之后，它抱怨频道顺序是错误的.
到目前为止，我的代码如下：
import torch
import torch.onnx
import onnx
from onnx_tf.
浏览 18提问于2020-05-08得票数 1
当使用TFLite模型(.tflite)而不是原始TensorFlow模型(.h5)时，推理的准确性和运行时间是否会下降，或者会有多大程度的下降，是否有一个通用的说法？
浏览 0提问于2021-05-27得票数 0
2回答
我尝试了许多方法，但我无法将保存的模型文件转换为tf lite模型，每次运行新代码时，我都会收到不同的错误。从形状错误到下面列出的错误。 File "C:\\models\py\lib\site-packages\tensorflow\python\eager\monitoring.py", line 407, in __del__
AttributeError: 'NoneType' object has no attribute 'TFE_MonitoringDeleteBuckets' 我使用的是以下代码： import tenso
浏览 15提问于2020-11-01得票数 0
如何创建一个可以转换为TensorFlow Lite (tflite)并可用于TensorFlow应用程序的TensorFlow模型？
按照Google速成课程中的例子，我创建了一个分类器并训练了一个模型。我导出了模型，因为保存了模型。我想将模型转换为.tflite文件，并将其用于安卓上的推断器。
很快(实际上以后)，我明白我的模型使用了ParseExampleV2. - 。
下面是我用来训练模型的分类器：
classifier = tf.estimator.DNNClassifier(
feature_columns=[tf.feature_column.numeric_co
浏览 1提问于2020-03-10得票数 0
回答已采纳
我正在尝试使用Flutter上的MobileNetV2模型来实现目标检测。因为，大多数在线可用的Flutter应用程序的示例或实现都没有使用MobileNetV2，所以我花了很长的时间才到达那个阶段。
我实现这一点的方法如下：
1)创建了一个python脚本，其中我使用了Keras (后端Tensorflow)的MobileNetV2模型(在ImageNet上预先训练了1000个类)，并用图像测试了它，看看它在正确检测对象后是否返回了正确的标签。下面提供了Python脚本以供参考
2)将相同的MobileNetV2 keras模型(MobileNetV2.h5)转换为Tensorflow Li
浏览 1提问于2020-06-05得票数 0
考虑将我的TensorFlow模型转换为Flatbuf格式(.tflite)。
但是，我的模型允许任意大小的输入，即您可以同时对一个项或N个项进行分类。当我尝试转换时，它会抛出一个错误，因为我的一个输入/输出设备是NoneType类型的。
想想像这样的东西，在计算图中，我们输入的x是形状的[None, 784]。
在中，您可以像这样将模型转换为FlatBuf：
import tensorflow as tf
img = tf.placeholder(name="img", dtype=tf.float32, shape=(1, 64, 64, 3))
val = img +
浏览 1提问于2018-04-25得票数 4
回答已采纳
我一直试图按照这个过程在Google：上运行一个对象检测器(SSD MobileNet)
我成功地使用对象检测API对我的模型进行了培训和评估。我既有检查点格式的模型，也有tf SavedModel格式。根据文档，下一步是使用训练后量化转换为.tflite格式.
我想学习的例子。运行后的export_tflite_graph_tf2.py脚本和转换代码没有错误，但是当我尝试使用模型运行推理时，我看到了一些奇怪的行为。
我无法使用由saved_model生成的export_tflite_graph_tf2.py。当运行以下代码时，我会得到一个错误：
print('loadin
浏览 7提问于2022-08-12得票数 1
我在将tensorflow会话转换为tensorflow模型时遇到了一个问题。
问题是TFLiteConverter强制使用FlexFloorDiv替换原始函数(tf.floordiv)，而tflite不支持FlexFloorDiv。
但是我已经检查了tflite的API列表，我发现tflite支持floor_div ()。
我想要一个最初由tflite支持的转换，换句话说，我只希望使用'tf.lite.OpsSet.TFLITE_BUILTINS'。
import tensorflow as tf
if tf.__version__ > '2':
浏览 4提问于2022-01-21得票数 0
回答已采纳
我有一个tflite模型，我是通过转换我的TFmodel( MobileNet单镜头检测器(v2 ) )获得的。
我已经使用下面的代码成功地将我的模型转换成tflite格式。
!tflite_convert \
--input_shape=1,300,300,3 \
--input_arrays=normalized_input_image_tensor \
--output_arrays=TFLite_Detection_PostProcess,TFLite_Detection_PostProcess:1,TFLite_Detection_PostProcess:2,TFLit
浏览 3提问于2020-11-12得票数 0
回答已采纳
我是Tensorflow的初学者，所以请原谅我这个简单的问题，但我在任何地方都找不到这个答案。我致力于将在Pascal数据集上训练的移动网络分割模型(http://download.tensorflow.org/models/deeplabv3_mnv2_pascal_trainval_2018_01_29.tar.gz)转换为Tensorflow-lite用于移动推理，已有一周多的时间，但没有成功。我无法正确定义转换器的输入和输出格式。 import tensorflow as tf
import numpy as np
img = tf.placeholder(name="Ima
浏览 30提问于2019-07-03得票数 0
我保存了一个tensorflow模型，与中的所有模型相同。
我想将它转换为tesorflow lite，我从tensorflow github (我的tensorflw版本是2)中找到了以下方法：
!wget http://download.tensorflow.org/models/object_detection/tf2/20200711/ssd_resnet50_v1_fpn_640x640_coco17_tpu-8.tar.gz
# extract the downloaded file
!tar -xzvf ssd_resnet50_v1_fpn_640x640_coco17_tp
浏览 15提问于2020-08-09得票数 5
回答已采纳
目前，我正致力于将自定义对象检测模型(使用SSD和初始网络进行培训)转换为量化的TFLite模型。我可以使用以下代码片段(使用TFLite Tensorflow 1.4)将自定义对象检测模型从冻结图转换为量化的模型：
converter = tf.lite.TFLiteConverter.from_frozen_graph(args["model"],input_shapes = {'normalized_input_image_tensor':[1,300,300,3]},
input_arrays = ['normalized_input_image
浏览 2提问于2020-01-10得票数 1
回答已采纳
我正在尝试在android中部署这个mask-rcnn模型。我能够加载keras权重，冻结模型，并使用this script使用tflite 1.13toco将其转换为.tflite模型。 似乎这个模型使用了一些在tflite中不支持的tf_ops。因此我不得不使用 converter.target_ops = [tf.lite.OpsSet.TFLITE_BUILTINS,tf.lite.OpsSet.SELECT_TF_OPS] 转换模型的步骤。现在，当我尝试使用python解释器来推断这个模型时，我在interpreter.invoke()中得到分割错误，并且python脚本崩溃。 d
浏览 38提问于2020-05-03得票数 1
1回答
我正在开发一个具有回归预测的深度学习模型。我创建了一个tflite模型，但是它的预测与原始模型不同，它们完全错误。以下是我的过程：
我用克拉斯训练我的模特
model = Sequential()
model.add(Dense(100, input_dim=x.shape[1], activation='relu')) # Hidden 1
model.add(Dense(50, activation='relu')) # Hidden 2
model.add(Dense(1)) # Output
model.compile(loss='mean_sq
浏览 1提问于2018-07-27得票数 4
回答已采纳
我在keras中有一个模型，它使用带有双向包装器的1层LSTM，我想将其转换为tensorflow lite。
在训练模型以保存模型和最佳权重时，我使用了回调ModelCheckpoint。
然后，我使用以下代码从检查点重新加载经过最佳训练的模型：
predictor = None
path_Load = os.path.join(os.getcwd(),'LSTMB_CheckPoints.hdf5')
predictor = load_model(path_Load)
predictor.load_weights(path_Load)
在使用验证数据进行检查时，模型会成功加
浏览 3提问于2019-09-16得票数 0
与keras (h5)模型相比，Tensorflow的预测速度非常慢。这种行为在Colab和Windows 10系统上是相似的。我将标准的VGG16模型转换为有优化也有无优化(converter.optimizations = tf.lite.Optimize.DEFAULT)
以下是我得到的结果：
Keras模型(540 model )预测时间: 0.14秒
tflite无优化(540 0.5 )预测时间:0.5秒
具有优化(135 39 )预测时间的tflite :39秒
我是不是漏掉了什么？tflite不是应该优化速度吗？在Raspberry Pi或其他“打火机”设备
浏览 0提问于2021-04-01得票数 0
我的keras模型： model = Sequential()
model.add(keras.layers.InputLayer(input_shape=(1134,), dtype='float64'))
model.add(Dense(1024, activation='relu'))
model.add(Dense(512, activation='relu'))
model.add(keras.layers.Dropout(0.35))
model.add(Dense(3, activation='softmax'))
浏览 117提问于2021-01-07得票数 2
大家好，我尝试使用以下代码将我的模型从.h5(keras)转换为.tflite
import tensorflow as tf
keras_model = tf.keras.models.load_model("model06.h5")
converter = tf.lite.TFLiteConverter.from_keras_model(keras_model)
tflite_model = converter.convert()
with open('model06.tflite', 'wb') as f:
f.write(tfl
浏览 34提问于2021-05-12得票数 0
这些天来，我试图跟踪一个错误的部署TF模型与TPU的支持。
我可以得到一个不支持TPU运行的模型，但一旦我启用量化，我就会迷路。
我的情况如下：
创建了一个模型并训练了它
创建了模型的eval图。
冻结模型，并将结果保存为协议缓冲区。
在没有TPU支持的情况下成功转换和部署
对于最后一点，我使用了TFLite转换器的Python。生成函数tflite模型的脚本是
import tensorflow as tf
graph_def_file = 'frozen_model.pb'
inputs = ['dense_input']
outp
浏览 0提问于2019-07-17得票数 31
我试图使用以下代码将tensorflow-hub(.pb)中的.pb模型转换为TensorFlow Lite文件(.tflite)：
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
import numpy as np
import tensorflow_hub as hub
module_path = 'https://tfhub.dev/deepmind/biggan-deep-256/1'
tf.compat.v1.reset_default_graph()
print('Loading Bi
浏览 6提问于2022-01-28得票数 1
回答已采纳
1回答
我有苹果M1 Pro芯片，不能让我的tensorflow项目运行。我遵循了的安装说明。
当我运行pip install -r requirements.txt时，除了tflite-model-maker之外，我所有的python包都会安装。我得到以下错误：
ERROR: Cannot install -r requirements.txt (line 19) and tflite-support because these package versions have conflicting dependencies.
The conflict is caused by:
tflite
浏览 42提问于2022-02-28得票数 3
我需要将自定义对象检测模型导出到TensorFlow Lite，以便能够在TensorFlow设备上运行，该模型在自定义数据集上进行了微调。
我在Ubuntu18.04上使用了TensorFlow 2.4.1，到目前为止，我所做的就是：
使用新图像的数据集，对'ssd_mobilenet_v2_fpnlite_640x640_coco17_tpu-8‘模型进行了精调。我使用了存储库中的“model_main_tf2.py”脚本；
我使用'exporter_main_v2.py‘导出模型
python exporter_main_v2.py --input_typ
浏览 9提问于2021-02-25得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
