如何查看 .tflite 文件中的权重？答案

【问题标题】：How can I view weights in a .tflite file?如何查看 .tflite 文件中的权重？
【发布时间】：2019-02-06 06:21:13
【问题描述】：

我得到了 MobileNet 的预训练 .pb 文件，发现它没有被量化，而完全量化的模型应该转换为 .tflite 格式。由于我不熟悉移动应用程序开发工具，如何从 .tflite 文件中获取 MobileNet 的完全量化权重。更准确地说，如何提取量化参数并查看其数值？

【问题讨论】：

标签： tensorflow tensorflow-lite

【解决方案1】：

我也在研究 TFLite 的工作原理。我发现的可能不是最好的方法，我将不胜感激任何专家意见。这是我到目前为止使用flatbuffer python API 发现的。

首先，您需要使用 flatbuffer 编译架构。输出将是一个名为 tflite 的文件夹。

flatc --python tensorflow/contrib/lite/schema/schema.fbs

然后你可以加载模型并获得你想要的张量。 Tensor 有一个名为 Buffer() 的方法，根据架构，

引用模型根目录的缓冲区表的索引。

因此它会将您指向数据的位置。

from tflite import Model
buf = open('/path/to/mode.tflite', 'rb').read()
model = Model.Model.GetRootAsModel(buf, 0)
subgraph = model.Subgraphs(0)
# Check tensor.Name() to find the tensor_idx you want
tensor = subgraph.Tensors(tensor_idx) 
buffer_idx = tensor.Buffer()
buffer = model.Buffers(buffer_idx)

之后你就可以通过调用buffer.Data()来读取数据了

参考： https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/lite/schema/schema.fbs https://github.com/google/flatbuffers/tree/master/samples

【讨论】：

在schema.fbs file 中，有一个名为Model 的表，其中有一个名为description 的字段。我想在这个字段中写一个字符串（比如说一个单行模型描述）。然后如何加载 tflite 模型，并使用这些额外的元数据更新 tflite 文件？感谢一些帮助。

【解决方案2】：

Netron 模型查看器具有漂亮的数据视图和导出功能，以及漂亮的网络图视图。 https://github.com/lutzroeder/netron

【讨论】：

【解决方案3】：

使用 TensorFlow 2.0，您可以使用以下脚本提取权重和有关张量的一些信息（形状、dtype、名称、量化） - 灵感来自 TensorFlow documentation

import tensorflow as tf
import h5py


# Load TFLite model and allocate tensors.
interpreter = tf.lite.Interpreter(model_path="v3-large_224_1.0_uint8.tflite")
interpreter.allocate_tensors()

# Get input and output tensors.
input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()


# get details for each layer
all_layers_details = interpreter.get_tensor_details() 


f = h5py.File("mobilenet_v3_weights_infos.hdf5", "w")   

for layer in all_layers_details:
     # to create a group in an hdf5 file
     grp = f.create_group(str(layer['index']))

     # to store layer's metadata in group's metadata
     grp.attrs["name"] = layer['name']
     grp.attrs["shape"] = layer['shape']
     # grp.attrs["dtype"] = all_layers_details[i]['dtype']
     grp.attrs["quantization"] = layer['quantization']

     # to store the weights in a dataset
     grp.create_dataset("weights", data=interpreter.get_tensor(layer['index']))


 f.close()

【讨论】：

看起来 tflite 将索引分配给图层的顺序与模型中图层的排序顺序不同。相反，它按名称对图层列表进行排序，然后将索引分配给排序列表。那么如何恢复正确的层序列呢？有什么解决方法吗？（我正在使用量化的 Mobilenetv2 模型）

【解决方案4】：

您可以使用 Netron 应用程序查看它 macOS：下载 .dmg 文件或运行 brew install netron

Linux：下载 .AppImage 文件或运行 snap install netron

Windows：下载 .exe 安装程序或运行 winget install netron

浏览器：启动浏览器版本。

Python 服务器：运行 pip install netron 和 netron [FILE] 或 netron.start('[FILE]')。

【讨论】：