2017年底，Tensorflow 推出Lite版本，可实现移动端的快速运行，其中，一个很关键的问题，如何把现有分类模型(.pb) 转换为(.lite)模型呢？
其实，步骤如下
1- 进入 Tensorflow 源码文件夹（以便bazel可以无需配置找打相应路径）
2- 转换可执行文件
bazel run --config=opt //tensorflow/contrib/lite/toco:toco -- --input_file=/tmp/mobilenet_v1_1.0_224_frozen.pb \ # 待转换模型路径 --output_file=/tmp/tflite_model2.tflite \ # 目标模型路径 --input_format=TENSORFLOW_GRAPHDEF --output_format=TFLITE --input_shape=1,224,224,3 \ # 输入图像宽高 --input_array=input \ # 输入节点名称<参考1> --output_array=MobilenetV1/Predictions/Reshape_1 \ # 输出节点名称<参考1> --inference_type=FLOAT \ # 图像数据类型 --input_data_type=FLOAT
参考1： 如果输入输出节点不知道：进入python，import tf ，并通过如下命令（ tf.GraphDef() ）查找:
> import tensorflow as tf
> gf = tf.GraphDef()
> gf.ParseFromString(open('/your/path/to/graphname.pb','rb').read())
> for n in gf.node:
> print ( n.name +' ===> '+n.op )
参转换后，在android手机上运行，在不考虑精度的前提下，不同实现方式得到的结果如下:
以上这篇Tensorflow 模型转换 .pb convert to .lite实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。