Получите элементы input_array и output_array для преобразования модели в формат tflite

Я подписался на этот блокнот Jupyter для распознавания лиц используя Керас. Затем я сохранил свою модель в model.h5 файл, а затем преобразовал ее в замороженный график model.pb с помощью this.

Теперь я хочу использовать свой файл tensorflow в Android. Для этого мне понадобится Tensorflow Lite, который требует от меня преобразования моей модели в формат .tflite.

Для этого я стараюсь следовать официальным рекомендациям, приведенным здесь здесь. Как видите, для этого требуются массивы input_array и output_array. Как мне получить подробную информацию об этом из моего model.pb файла?

model.h5 и model.pb - это массивы, в которых хранятся входные и выходные тензоры соответственно.


python tensorflow tensorflow-lite
person Sparker0i    schedule 02.02.2019    source источник
comment
Ответ Шубхама правильный. Но обратите внимание, что если вы экспортируете в SavedModel или непосредственно из модели Keras с использованием интерфейса Python TFLiteConverter, вам не нужно указывать входные и выходные данные, поскольку они уже включены в представление.   -  person Shubham Panchal    schedule 03.02.2019
comment
Вам также следует обратить внимание на этот замечательный инструмент, который позволяет визуализировать модель из множества различных форматов. Я использовал его, чтобы проверить имена тензоров ввода / вывода.   -  person suharshs    schedule 05.02.2019

Ответы (1)


arrow_upward
6
arrow_downward

Они намерены информировать TFLiteConverter о тензорах ввода и вывода, которые будут использоваться во время вывода.

Для модели Keras

Входной тензор - это тензор-заполнитель первого слоя.

Выходной тензор может быть связан с функцией активации.

input_tensor = model.layers[0].input

Для замороженного графика

output_tensor = model.layers[ LAST_LAYER_INDEX ].output

Получаем названия узлов,

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

Чтобы получить тензор,

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

Входной тензор может быть тензором-заполнителем. Выходной тензор - это тензор, который вы запускаете с помощью session.run()

tensor = n.op

Для преобразования получаем,

Просто возьмите тензоры входа и выхода из графика. Разложите их массивами.

input_array =[ input_tensor ]
output_array = [ output_tensor ]
person Shubham Panchal    schedule 03.02.2019
comment
Привет, @Romzie. Я новичок в тензорном потоке. Не могли бы вы объяснить, как пользоваться этим инструментом. Является ли тензор входа первого узла и выходного сигнала последнего узла? - person Romzie; 12.03.2019
comment
@MSK Можете ли вы подтвердить, является ли первый / последний узел узлами ввода / вывода? - person MSK; 24.04.2019
comment
PS. Пожалуйста, не указывайте мне преобразование модели Keras напрямую в tflite, поскольку мой файл .h5 не может быть преобразован напрямую в .tflite. Мне каким-то образом удалось преобразовать мой файл .h5 в .pb - person CamHart; 19.09.2019