巨蟒的负荷-流场模型
巨蟒的负荷-流场模型
提问于 2021-06-25 14:11:40
我正在使用Tensorflow Lite进行一个TinyML项目，该项目包括量化模型和浮点模型。在我的管道中，我使用tf.keras API训练我的模型，然后将模型转换成TFLite模型。最后，将TFLite模型量化为int8模型。
我可以使用API model.save和tf.keras.model.load_model保存和加载“正常”的tensorflow模型
对转换后的TFLite模型也可以这样做吗？每次都要经历量化过程，这是相当耗时的。
回答 1
Stack Overflow用户
回答已采纳
发布于 2021-06-25 14:33:13
您可以使用tflite解释器直接在笔记本中从TFLite模型中获得推断。
这是一个图像分类模型的例子。假设我们有一个tflite模型：
tflite_model_file = 'converted_model.tflite'然后我们可以像这样加载和测试它：
# Load TFLite model and allocate tensors.
with open(tflite_model_file, 'rb') as fid:
tflite_model = fid.read()
interpreter = tf.lite.Interpreter(model_content=tflite_model)
interpreter.allocate_tensors()
input_index = interpreter.get_input_details()[0]["index"]
output_index = interpreter.get_output_details()[0]["index"]
# Gather results for the randomly sampled test images
predictions = []
test_labels, test_imgs = [], []
for img, label in tqdm(test_batches.take(10)):
interpreter.set_tensor(input_index, img)
interpreter.invoke()
predictions.append(interpreter.get_tensor(output_index))
test_labels.append(label.numpy()[0])
test_imgs.append(img)请注意，您只需从tflite模型推断。您无法在体系结构和层中进行更改，比如重新加载Keras模型。如果您想要更改架构，您应该保存Keras模型，并对其进行测试，直到得到满意的结果，然后将其转换为tflite。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/68132431
复制相关文章
相似问题
腾讯云开发者
