最近在用TensorFlow Object Detection API訓練目標檢測模型，訓練好的pb模型大小17.6M，用pb預測效果不錯，于是想著如何在手機端運行，查看官網關于tflite的轉換，網址：https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/running_on_mobile_tensorflowlite.md。

預測使用的pb模型：

在主目錄下的research目錄執行如下：

生成預測使用的pb文件

注意里面的相關路徑需要換成自己的ckpt的目錄。執行完后，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文件就是預測使用的。

如上轉換pb和預測過程參考我之前的文章即可。

關于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路徑為訓練好的ckpt模型文件，output_dir為tflite輸出目錄文件夾名字，執行完后在tflite目錄會看到兩個文件tflite_graph.pb and tflite_graph.pbtxt.

接下來就是轉tflite了，之前嘗試了其他轉tflite的方式，雖然只有幾行代碼，但發現一直有問題，因此按照官網要求一步一步轉，這次使用TOCO轉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的圖片需要進行(image-127.5)/128操作。否則模型輸出結果和pb文件對不上。

這樣pb文件和tflite預測的結果就能一樣，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，現在只能使用float類型的tflite

后續再講其他轉pb和tflite的方式以及驗證方式。

喜歡的朋友和點擊關注哦

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。