如何将 keras(h5) 文件转换为 tflite 文件？答案

【问题标题】：How to convert keras(h5) file to a tflite file?如何将 keras(h5) 文件转换为 tflite 文件？
【发布时间】：2019-04-14 20:41:21
【问题描述】：

我有一个 keras(h5) 文件。我需要将其转换为 tflite？我研究过，首先我需要通过 h5 -> pb -> tflite （因为 h5 - tflite 有时会导致一些问题）

【问题讨论】：

标签： python tensorflow machine-learning keras

【解决方案1】：

from tensorflow.contrib import lite
converter = lite.TFLiteConverter.from_keras_model_file( 'model.h5')
tfmodel = converter.convert()
open ("model.tflite" , "wb") .write(tfmodel)

您可以使用 TFLiteConverter 直接将 .h5 文件转换为 .tflite 文件。 这不适用于 Windows。

对于 Windows，使用此 Google Colab notebook 进行转换。上传 .h5 文件，它会将其转换为 .tflite 文件。

如果您想亲自尝试，请关注：

创建一个 Google Colab 笔记本。在左上角，点击“上传”按钮并上传您的 .h5 文件。

创建一个代码单元并插入此代码。

from tensorflow.contrib import lite
converter = lite.TFLiteConverter.from_keras_model_file( 'model.h5' ) # Your model's name
model = converter.convert()
file = open( 'model.tflite' , 'wb' ) 
file.write( model )

运行单元格。您将获得一个 model.tflite 文件。右键单击文件并选择“下载”选项。

【讨论】：

在较新版本的 tensorflow 中，TFLiteConverter 已移至 tf.lite.TFLiteConverter 参见：tensorflow.org/lite/convert/python_api
那么我可以在 tensorflow 版本 1.14（我正在使用）中使用tf.lite.TFLiteConverter 将普通的 Keras 模型而不是 tf.keras 转换为 tflite。正如文档中所说，tf.keras 模型可以通过tf.lite.TFLiteConverter 进行转换。这是否也适用于普通的 keras 模型？在我的代码中，我使用的是较旧的 Keras pip 安装包，而不是 tensorflow 中的 tf.keras。

【解决方案2】：

这适用于我在 Windows 10 上使用 Tensorflow 2.1.0 和 Keras 2.3.1

import tensorflow as tf

model = tf.keras.models.load_model('model.h5')
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)

【讨论】：

【解决方案3】：

刚刚在 CoLab 中使用笔记本中的此代码进行了此操作：

import tensorflow as tf
model = tf.keras.models.load_model('yourmodel.h5')
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflmodel = converter.convert()
file = open( 'yourmodel.tflite' , 'wb' ) 
file.write( tflmodel )

我在通过 CoLab 上传 h5 模型时遇到了困难，因此我安装了我的 Google Drive，将其上传到那里，然后将其移至笔记本内容文件夹。

【讨论】：

【解决方案4】：

如果您使用的是Google Colab Notebook，试试这个：

import tensorflow as tf
converter = tf.lite.TFLiteConverter.from_keras_model_file('model.h5') 
tfmodel = converter.convert() 
open ('model.tflite' , "wb") .write(tfmodel)

【讨论】：

【解决方案5】：

从会话转换 GraphDef。

converter = lite.TFLiteConverter.from_session(sess, in_tensors, out_tensors)
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)

从文件转换 GraphDef。

converter = lite.TFLiteConverter.from_frozen_graph(
graph_def_file, input_arrays, output_arrays)
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)

转换 SavedModel。

converter = lite.TFLiteConverter.from_saved_model(saved_model_dir)
tflite_model = converter.convert()

【讨论】：

你好这个工具将模型转换为mode.pb

【解决方案6】：

import tensorflow as tf
from tensorflow import lite
from tensorflow.keras.models import load_model
converter = lite.TFLiteConverter.from_keras_model(model)
tfmodel = converter.convert()
open ("model.tflite" , "wb") .write(tfmodel)

这对我有用。我正在使用 keras==2.6.0 和 tensorflow-cpu==2.5.0 版本。欲了解更多信息，您可以访问https://www.tensorflow.org/guide/keras/save_and_serialize。

【讨论】：

【解决方案7】：

您必须考虑一个因素。在转换之前，您需要更改学习阶段。当你有 Dropout 或 Batch Normalization 时，这非常重要。你可以看看'Keras model to tflite'或'Problem after converting keras model into Tensorflow pb'讨论

【讨论】：

【解决方案8】：

只有某些特定版本的 Tensorflow 和 Keras 在所有操作系统中都能正常工作。我什至尝试过 toco 命令行，但它也有问题。使用 tensorflow==1.13.0-rc1 和 keras==2.1.3

然后在这之后就可以工作了

from tensorflow.contrib import lite
converter = lite.TFLiteConverter.from_keras_model_file( 'model.h5' ) # Your model's name
model = converter.convert()
file = open( 'model.tflite' , 'wb' ) 
file.write( model )

【讨论】：

【解决方案9】：

将 RetinaNet 转换为 tflite

import tensorflow as tf
from keras_retinanet.models import load_model
from keras.layers import Input
from keras.models import Model

def get_file_size(file_path):
    size = os.path.getsize(file_path)
    return size
    
def convert_bytes(size, unit=None):
    if unit == "KB":
        return print('File size: ' + str(round(size / 1024, 3)) + ' Kilobytes')
    elif unit == "MB":
        return print('File size: ' + str(round(size / (1024 * 1024), 3)) + ' Megabytes')
    else:
        return print('File size: ' + str(size) + ' bytes')

def convert_model_to_tflite(model_path = "/content/drive/MyDrive/Model/resnet152_csv_180_inference.h5", filename = "converted_model.tflite"):
  model = load_model(model_path)
  fixed_input = Input((416,416,3))
  fixed_model = Model(fixed_input,model(fixed_input))
  converter = tf.lite.TFLiteConverter.from_keras_model(model)
  converter.target_spec.supported_ops = [
    tf.lite.OpsSet.TFLITE_BUILTINS, # enable TensorFlow Lite ops.
    tf.lite.OpsSet.SELECT_TF_OPS # enable TensorFlow ops.
  ]
  tflite_model = converter.convert()
  open(filename, "wb").write(tflite_model)
  print(convert_bytes(get_file_size("converted_model.tflite"), "MB"))

【讨论】：

嗨，欢迎来到 Stack Overflow。您的答案与其他答案非常相似。请在您的答案中添加更多信息，为什么您的答案更有用，或完全删除它。