Tensorflow 1.14 训练模型 .pb 文件转换成 Tensorflowlite的 .tflite 文件

1 tensorflow ssd_mobilenet 模型训练

tensorflow ssd_mobilenet 模型训练参考：https://blog.csdn.net/bibo1984/article/details/107397009

2 生成 .pb 文件

python3 /home/pi/xxxxxx/models/research/object_detection/export_tflite_ssd_graph.py --input_type image_tensor --pipeline_co
nfig_path /home/pi/xxxxxx/maidong/ssd_mobilenet_v2_coco_maidong.config --trained_checkpoint_prefix /home/pi/xxxxxx/maidong/train_logs/model.ckpt-XXXX --output_directory /home/pi/xxxxxx/maidong/outputmodels

3 配置 bazel

# 下载 bazel 安装脚本
wget -c https://github.com/bazelbuild/bazel/releases/download/3.1.0/bazel-3.1.0-installer-linux-x86_64.sh
# 添加脚本执行权限
chmod a+x bazel-3.1.0-installer-linux-x86_64.sh
# 安装
./bazel-3.1.0-installer-linux-x86_64.sh
# 下载 tensorflow
git clone https://github.com/tensorflow/tensorflow.git
# 配置 bazel
cd tensorflow
bazel build tensorflow/tools/graph_transforms:summarize_graph

生成 .tflite 文件

配置 pb_to_tflite.py 脚本，如下

import tensorflow as tf
# 需要配置
in_path = "/home/pi/xxxxxx/maidong/outputmodels/tflite_graph.pb"
# 模型输入节点
input_tensor_name = ["normalized_input_image_tensor"]
input_tensor_shape = {"normalized_input_image_tensor":[1,300,300,3]}
# 模型输出节点
classes_tensor_name = ['TFLite_Detection_PostProcess','TFLite_Detection_PostProcess:1','TFLite_Detection_PostProcess:2','TFLite_Detection_PostProcess:3']
converter = tf.lite.TFLiteConverter.from_frozen_graph(in_path,
input_tensor_name, classes_tensor_name,
input_tensor_shape)
converter.allow_custom_ops=True
converter.post_training_quantize = True
tflite_model = converter.convert()
open("output_detect.tflite", "wb").write(tflite_model)
print("done")

参考：
https://blog.csdn.net/SpiritYzw/article/details/105629397

最后

以上就是俊秀茉莉为你收集整理的Tensorflow 1.14 训练模型 .pb 文件转换成 Tensorflowlite的 .tflite 文件Tensorflow 1.14 训练模型 .pb 文件转换成 Tensorflowlite的 .tflite 文件的全部内容，希望文章能够帮你解决Tensorflow 1.14 训练模型 .pb 文件转换成 Tensorflowlite的 .tflite 文件Tensorflow 1.14 训练模型 .pb 文件转换成 Tensorflowlite的 .tflite 文件所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。