获取 input_array 和 output_array 项以将模型转换为 tflite 格式答案

【问题标题】：Obtain input_array and output_array items to convert model to tflite format获取 input_array 和 output_array 项以将模型转换为 tflite 格式
【发布时间】：2019-06-26 23:40:06
【问题描述】：

附言。请不要将我指向converting Keras model directly to tflite，因为我的 .h5 文件无法直接转换为 .tflite。我以某种方式设法将我的 .h5 文件转换为 .pb

我已关注this Jupyter notebook 使用 Keras 进行人脸识别。然后我将模型保存到model.h5 文件中，然后使用this 将其转换为冻结图model.pb。

现在我想在 Android 中使用我的 tensorflow 文件。为此，我需要使用 Tensorflow Lite，这需要我将模型转换为 .tflite 格式。

为此，我正在尝试遵循官方指南here。如您所见，它需要input_array 和output_array 数组。如何从我的model.pb 文件中获取这些内容的详细信息？

【问题讨论】：

只需从图中获取输入和输出张量即可。将它们放入数组中。
Shubham 的回答是正确的。但请注意，如果您使用 TFLiteConverter 的 python 接口导出到 SavedModel 或直接从 Keras 模型导出，则不必指定输入和输出，因为它们已经包含在表示中。

标签： python tensorflow tensorflow-lite

【解决方案1】：

input arrays 和 output arrays 是分别存储输入和输出张量的数组。

他们打算通知TFLiteConverter 关于推理时将使用的输入和输出张量。

对于 Keras 模型，

输入张量是第一层的占位符张量。

input_tensor = model.layers[0].input

输出张量可能与激活函数有关。

output_tensor = model.layers[ LAST_LAYER_INDEX ].output

对于冻结图，

import tensorflow as tf
gf = tf.GraphDef()   
m_file = open('model.pb','rb')
gf.ParseFromString(m_file.read())

我们得到节点的名称，

for n in gf.node:
    print( n.name )

要获得张量，

tensor = n.op

输入张量可以是占位符张量。输出张量是你使用session.run()运行的张量

对于转换，我们得到，

input_array =[ input_tensor ]
output_array = [ output_tensor ]

【讨论】：

您还应该看看this 很棒的工具，它可以让您从许多不同的格式中可视化模型。我用它来检查我的输入/输出张量名称。
嗨，@Romzie。我是张量流的新手。您能否解释一下如何使用该工具。是第一个节点输入，最后一个节点输出张量吗？
@MSK你能确认第一个/最后一个节点是输入/输出节点吗？