如何在c++项目中使用TF Lite库
在C++项目中使用TF Lite库，可以按照以下步骤进行：
- 下载和安装TF Lite库：TF Lite是TensorFlow的轻量级版本，用于在嵌入式设备和移动设备上运行机器学习模型。你可以从TensorFlow官方网站下载TF Lite库，并按照官方文档提供的安装指南进行安装。
- 配置C++项目：在你的C++项目中，需要配置TF Lite库的头文件路径和库文件路径。你可以将TF Lite库的头文件路径添加到项目的包含路径中，并将库文件路径添加到链接器的库路径中。
- 创建和加载模型：使用TF Lite库，你可以创建和加载机器学习模型。首先，你需要定义一个tflite::Interpreter对象，用于加载和运行模型。然后，使用tflite::Interpreter::AllocateTensors()方法为模型分配输入和输出张量的内存。
- 设置输入数据：在运行模型之前，你需要将输入数据填充到输入张量中。根据你的模型和数据类型，可以使用不同的方法来设置输入数据。例如，如果你的输入是图像，你可以使用OpenCV库加载图像，并将像素值填充到输入张量中。
- 运行模型：一旦输入数据准备好，你可以使用tflite::Interpreter::Invoke()方法运行模型。这将执行模型的推理过程，并将输出结果存储在输出张量中。
- 获取输出结果：在模型运行完成后，你可以从输出张量中获取推理结果。根据你的模型和数据类型，可以使用不同的方法来解析输出数据。例如，如果你的输出是分类结果，你可以使用argmax函数找到最大概率的类别。
总结起来，使用TF Lite库在C++项目中使用机器学习模型的步骤包括下载和安装TF Lite库、配置C++项目、创建和加载模型、设置输入数据、运行模型和获取输出结果。TF Lite库提供了丰富的API和功能，可以帮助你在C++项目中轻松使用机器学习模型。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云AI开放平台：https://cloud.tencent.com/product/ai
- 腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 腾讯云容器服务（TKE）：https://cloud.tencent.com/product/tke
- 腾讯云人工智能机器学习平台（AI Lab）：https://cloud.tencent.com/product/ailab
- 腾讯云物联网平台（IoT Hub）：https://cloud.tencent.com/product/iothub
- 腾讯云区块链服务（BCS）：https://cloud.tencent.com/product/bcs
相关·内容
1回答
我想在我的tensorflow项目中使用一些C代码，但是tensorflow存储库中提供的所有示例项目都是C++示例。
特别是，我使用的是AmbiqSDK存储库，它为apollo3平台提供了示例，所有示例都在C中，我现在想将它与一个tensorflow示例合并。
相关的makefile部件如下：
MICRO_SPEECH_SRCS := \
tensorflow/lite/experimental/micro/examples/micro_speech/main.cc \
...
tensorflow/lite/experimental/micro/examples/micro_speech/
浏览 3提问于2019-12-10得票数 0
如何使用C API在Tensorflow Lite中创建张量？那么我们如何在解释器中使用它们呢？ 我知道Tensorflow Lite有C++应用程序接口的文档，而常规的Tensorflow有C API的文档。但是，几乎没有关于使用C API for Lite的信息。 Lite有一个用于创建张量的函数，但我在C++的C API头文件(或任何其他相关的头文件/源文件)中看不到该函数。 下面是一个使用常规Tensorflow C API的示例。但它似乎不存在于TF Lite C API中。 TF_Tensor* input_tensor = tf_utils::CreateTensor(TF_F
浏览 37提问于2019-06-28得票数 1
2回答
在过去的一到两天里，我一直在为如何构建TensorFlow Lite而苦苦挣扎，这样我就可以在我自己的C\C++项目中将其用作头文件或库。 例如，我有一个包含main.cpp的C++项目，其中包含以下代码： #include "tensorflow/lite/model.h"
#include "tensorflow/lite/interpreter.h"
#include "tensorflow/lite/kernels/register.h"
int main()
{
std::unique_ptr<tflite::Flat
浏览 129提问于2019-06-13得票数 10
这个问题是关于如何在Android设备上不使用转换TF Lite和不使用外部服务来运行经过训练的模型的解决方案。
我不拥有这个模型，也不能修改它。我只有受过训练的模型文件。
该装置已脱离网络，应嵌入经过训练的模型。无法连接到外部服务器。
Tensorflow Lite不是一个选项，因为TF不支持5D张量：
为了做我的测试，我将得到我在上述tensorflow问题中提供的基本模型来做我的测试。
我找到了这篇博客文章，但还没有成功：
您知道有什么更新的解决方案可以在Android上的Java或C++库中加载模型吗？
Tensorflow在他们的GitHub：上没有提出任何例子
浏览 9提问于2022-08-24得票数 1
回答已采纳
通过将我的源代码添加到C++中，我成功地构建了一个运行模型的简单的tensorflow/lite/examples应用程序，类似于对完整TF的建议。现在，我想将它构建为一个单独的项目(共享库)，静态地链接到TF，并使用CMake作为构建系统。
我尝试在我的CMakeLists.txt中添加一个自定义目标，它将使用Bazel构建TF：
set(TENSORFLOW_DIR ${CMAKE_SOURCE_DIR}/thirdparty/tensorflow)
add_custom_target(TFLite
COMMAND bazel build //tensorflow/lite:fra
浏览 1提问于2019-03-12得票数 14
回答已采纳
在TensorFlow lite的Python API中，有一些方法可以检索有关输入和输出张量的详细信息，称为tf.lite.Interpreter.get_input_details和tf.lite.Interpreter.get_output_details。我关注的是这些字典中的“量化”条目，每个条目都包含一个平均值和标准差值。
在另一个平台上部署这些模型时，我使用C++应用程序接口来设置一个解释器。为了为我的模型准备输入，我还需要均值和标准差。
我在C++中找不到这些函数的等价物。它们存在吗？
浏览 14提问于2019-07-25得票数 0
回答已采纳
信息
我从Keras构建了一个Tensorflow (TF)模型，并将其转换为Tensorflow-Lite (TFL)。
我在Android中构建了一个Android应用程序，并使用Java运行TFL模型
在Java应用程序中，我使用了TensorFlow (参见)和TensorFlow Lite (来自JCenter )，方法是将implementation 'org.tensorflow:tensorflow-lite:+'包含在build.gradle依赖项下
推理时间不太长，所以现在我想在Android的NDK中使用TFL。
因此，我在Androi
浏览 4提问于2020-04-30得票数 7
回答已采纳
2回答
我有一个将要部署在ARM64平台上的TensorFlow模型，我想将其转换为tflite模型。 碰巧我的模型的两个操作(RandomStandardNormal，Softplus)似乎需要自定义实现。由于执行时间并不那么重要，我决定采用使用扩展运行时的混合模型。我通过以下方式进行了转换： graph_def_file = './model/frozen_model.pb'
inputs = ['eval_inputs']
outputs = ['model/y']
converter = tf.lite.TFLiteConverter.fro
浏览 139提问于2019-08-26得票数 10
tf-lite的示例项目可以使用3.0.1，但不能使用3.2.0-alpha05，可能是3.1.0 RC(未试用)
请在查看此问题
.gradle/caches/transforms-1/files-1.1/tensorflow-lite-0.1.1.aar/092814ba6530796fca8e7fc3596f1aa2/AndroidManifest.xml:2:1-6:12 Error:
Missing 'package' declaration in manifest at [org.tensorflow:tensorflow-lite:0.1.1] A
浏览 0提问于2018-03-07得票数 0
我从各种来源(主要是从官方文件中)听说，Tensorflow Lite (for ARM)使用这三个库-- Ruy、Eigen、XNNPACK --来操作它。
我知道它们以某种方式加速了TF Lite中的计算(主要是卷积)，但我不确定每个库的目的是什么。我知道艾根是一个BLAS图书馆，但我不知道在TF Lite中其他人是什么，他们之间有什么关系。
有人愿意解释它们的不同用途以及它们在TF Lite中的使用方式吗？(也许打电话给Stack？)
我一直在查看每个库的正式文档，但是我无法找到Ruy和XNNPACK的详细信息。Ruy说它提供了高效的矩阵乘法，但是BLAS库不是这样做的吗？
浏览 18提问于2021-01-02得票数 2
回答已采纳
tflite_convert --output_file=./graph.tflite --graph_def_file=output_graph_frozen.pb --input_arrays=IteratorV2 --output_arrays=linear/head/predictions/probabilities
回溯(最近一次调用)：文件"/usr/local/bin/tflite_convert"，第11行，在sys.exit( "/usr/local/lib/python3.6/dist-packages/tensorflow/lite/p
浏览 12提问于2019-11-18得票数 0
我试图使用以下代码将转换为tflite，如建议的
import tensorflow as tf
MODEL_DIR = 'openimages_v4_ssd_mobilenet_v2_1'
SIGNATURE_KEYS = ['default']
SIGNATURE_TAGS = set()
saved_model = tf.saved_model.load(MODEL_DIR, tags=SIGNATURE_TAGS)
tf.saved_model.save(saved_model, 'new_model_path', signatures=
浏览 10提问于2021-01-24得票数 1
我正在尝试将冻结的图形文件(.pb)转换为TensorFlow Lite FlatBuffer文件(.tflite)，在Raspberry Pi 3B+ Linux中。TensorFlow是使用pip3安装在Python中的；TensorFlow Lite是从源代码安装和构建的(静态库)。TensorFlow版本(安装在Python中)为1.11.0。
我收到这个错误: Attributeerror:模块'tensorflow.contrib.lite.python.lite‘没有属性'TFLiteConverter’。
以下是Python代码(从派生)：
#!/usr/bin
浏览 1提问于2018-12-11得票数 1
我在将tensorflow会话转换为tensorflow模型时遇到了一个问题。
问题是TFLiteConverter强制使用FlexFloorDiv替换原始函数(tf.floordiv)，而tflite不支持FlexFloorDiv。
但是我已经检查了tflite的API列表，我发现tflite支持floor_div ()。
我想要一个最初由tflite支持的转换，换句话说，我只希望使用'tf.lite.OpsSet.TFLITE_BUILTINS'。
import tensorflow as tf
if tf.__version__ > '2':
浏览 4提问于2022-01-21得票数 0
回答已采纳
我有一个名为"model.h5“的TensorFlow Keras模块。我想从它生成tflite。为此，我使用了下面提到的代码。我使用的是tensorflow版本'2.0.0‘。 import tensorflow as tf
import numpy as np
from tensorflow import lite
dataset_dir = "C:\\Users\\Ravi\\dataset"
IMAGE_SIZE = 224
saved_keras_model = "C:\\Users\\Ravi\\model.h5"
def re
浏览 115提问于2020-06-17得票数 2
3回答
我正在寻找安装TF Lite上的RPi3实时图像识别。
我跟踪了：
所有编译和libtensorflow-lit.a成功建立。
尝试运行初始示例应用程序：
python label_image.py
我得到了：
Traceback (most recent call last):
File "label_image.py", line 23, in
<module> import tensorflow as tf
我不确定的是：
我错过了什么。
我需要做些什么来确保TF使用lite库而不是完整的版本。
最后-难道没有人知道在Pi上FP
浏览 0提问于2018-10-14得票数 0
我是tensorflow的新手，我从创建了一个简单的tflite模型，它在带有tflite_flutter插件的颤振应用程序中工作得很好。
然后，我不得不用预先训练过的.h5模型来改变模型。我将.h5模型转换为.tflite模型，但它崩溃了。
转换后的预训练模型的input shape是，output shape是1，12，测试模型的input shape是1224,224，3，output shape是1，3。
我创建了一个输入形状为1224、224、3的.h5模型，并将其转换为tflite，它工作了。似乎转换是起作用的，问题可能是模型的形状。我不知道该怎么做。
下面是我用于转换的代码。
f
浏览 28提问于2022-05-15得票数 0
回答已采纳
我在gradle android项目的build.gradle模块中有下面这行代码 dependencies {
// a lot of dependencies
implementation 'org.tensorflow:tensorflow-lite-select-tf-ops:0.0.0-nightly-SNAPSHOT'
} 它会导致gradle构建失败，并显示以下错误 Null extracted folder for artifact: ResolvedArtifact(componentIdentifier=org.tensorflow:tensorflo
浏览 1007提问于2021-06-16得票数 4
回答已采纳
3回答
我有一个keras模型，构建如下
module_url = "https://tfhub.dev/google/tf2-preview/mobilenet_v2/feature_vector/4"
backbone = hub.KerasLayer(module_url)
backbone.build([None, 224, 224, 3])
model = tf.keras.Sequential([backbone, tf.keras.layers.Dense(len(classes), activation='softmax')])
model.build(
浏览 0提问于2019-11-09得票数 2
1回答
我是一名移动开发人员，使用C++来构建可移植的应用程序部分，在安卓和iOS上都可以使用。
以下是我的工作流程：
对于可移植部件，我在macOS上编写了一个跨平台库，在macOS上构建/单元测试它。
然后，在Linux上构建/单元测试它。
使用各自的工具链创建android和ios库，并将其集成到移动应用程序中。
在探索tflite时，我可以看到多个API: C、C++、Obj-C、Swift、Java。
要编写可移植的代码，Obj/Swift/Java是不真实的。
有什么通用的API (C或C++)可以用来评估macOS、Linux、Android和iOS上的tf-lite
浏览 2提问于2019-12-24得票数 2
我的目标是在一个相当复杂的CMake C++项目中使用TF，该项目已经拥有各种其他第三方库(dlib、opencv、.)。
我试图在Windows 10上使用cmake+ninja+msvc来实现它，但我也尝试了使用Ubuntu20.04 cmake+ninja+gcc，并且遇到了同样的问题。
TF版本是：2.6.0
我尝试了两种方法：
按原样编译和链接，并按照 :中描述的那样使用
cmake ../tensorflow_src/tensorflow/lite -DCMAKE_BUILD_TYPE=Debug
cmake --build . -j
...
cmake_minimum_req
浏览 11提问于2021-11-21得票数 1
回答已采纳
我正在尝试从.pb文件生成量化的.tflite模型。对于#process，我需要模型的'input_arrays‘和'output_arrays’。
我尝试使用下面的方法来识别输入数组和输出数组。但它们都不起作用。
方法1：
import tensorflow as tf
frozen='/output/freeze/frozen_inference_graph.pb'
gf = tf.GraphDef()
gf.ParseFromString(open(frozen,'rb').read())
[n.name + '=>'
浏览 2提问于2019-08-12得票数 0
1回答
我有这个代码来构建一个语义搜索引擎，使用来自tensorflow中心的经过预先训练的通用编码器。我无法改信于特利特。我已将模型保存到我的目录中。
进口模型：
module_path ="/content/drive/My Drive/4"
%time model = hub.load(module_path)
#print ("module %s loaded" % module_url)
#Create function for using modeltraining
def embed(input):
return model(input)
培训数
浏览 4提问于2020-04-01得票数 0
1回答
张量流目录语法
、、、、
我尝试在google collab中执行代码来量化我的PC中的张量流模型。
在守则中：
import tensorflow as tf
converter = tf.lite.TFLiteConverter.from_saved_model(D:\FYP\tflite floating point model converted_tflite\converted_tflite)
converter.optimizations = [tf.lite.Optimize.DEFAULT]
converter.representative_dataset = representative_datase
浏览 3提问于2022-03-21得票数 0
我在使用TOCO将Keras模型转换为TfLite时遇到了一个问题。
遵循以下指南：
我如何使用TOCO：
def create_lite_model(keras_model_file):
lite_model_name = 'lite_model_file.tflite'
tf_lite_graph = os.path.join(WEIGHTS_DIRECTORY, lite_model_name)
converter = tf.contrib.lite.TocoConverter.from_keras_model_file(keras_model_f
浏览 0提问于2018-10-10得票数 1
我有一个ONNX模型，我把它转换成了tensorflow，这个转换没有任何问题，但是现在我想用下面的代码将这个.pb文件转换成tf lite
import tensorflow as tf
TF_PATH = "/content/tf_model/saved_model.pb" # where the forzen graph is stored
TFLITE_PATH = "./model.tflite"
# make a converter object from the saved tensorflow file
converter = tf.comp
浏览 1提问于2021-01-05得票数 0
我有一个300*300图像的数据集，以及它们中的框和对象标签。我想使用SSD网络来检测图像上的这些对象。我也想在移动设备上做这件事，所以我需要最终的模型与TF Mobile/Lite兼容。问题是：我应该从哪里开始？
我知道TF /Lite支持SSD (例如，请参阅 )。我认为不应该有受过训练的TF SSD模型，我只需要在我自己的数据集上进行训练。但我只能找到那些受过训练的人。我也找不到任何教程，这说明了如何在自己的数据集中训练现有的模型。
因此，更准确地说：
我的假设是，我应该得到未经训练的模型，然后用一些简单的脚本在我自己的数据集上进行训练，对吗？
如果是，，那么我在哪里可以得到这个
浏览 1提问于2018-04-27得票数 2
我想在android studio中使用我的keras训练模型。我在互联网上得到了这段代码，将我的代码从keras转换为tensorflow-lite。但是当我尝试编写代码时，我得到了这个错误： OSError: SavedModel file does not exist at: C:\Users\Munib\New folder/{saved_model.pbtxt|saved_model.pb} 我使用的代码是从keras转换到tensorflow-lite： import tensorflow as tf
# Converting a SavedModel to a TensorFl
浏览 1242提问于2020-06-13得票数 9
我使用TensorFlow 2.1来训练具有量化感知训练的模型.
这样做的代码是：
import tensorflow_model_optimization as tfmot
model = tfmot.quantization.keras.quantize_annotate_model(model)
这将向图中添加假量化节点。这些节点应该调整模型的权重，这样它们就更容易被量化为int8，并且更容易处理int8数据。
当训练结束时，我将模型转换成TF-Lite，如下所示：
converter = tf.lite.TFLiteConverter.from_keras_model(model)
c
浏览 10提问于2020-06-17得票数 5
1回答
我试着把我的Pytorch模型转换成TensorFlow Lite with ONNX。但是我在TensorFlow Lite上的推理时间是Tensorflow和Pytorch的两倍。我在google colab中运行TensorFlow精简版模型，这是我第一次使用TensorFlow精简版。 下面是我将Tensorflow转换为TensorFlow精简版的代码： converter = tf.lite.TFLiteConverter.from_saved_model("model/")
converter.optimizations = [tf.lite.Optimize.
浏览 18提问于2021-07-22得票数 0
培训了人脸的TFLite模型，并试图在android上实现它。
final List<Detector.Recognition> results = detector.recognizeImage(croppedBitmap);
在这条线上，我发现了一个错误
E/AndroidRuntime: FATAL EXCEPTION: inference
Process: org.tensorflow.lite.examples.detection, PID: 14805
java.lang.IllegalArgumentException: Cannot copy fro
浏览 19提问于2020-11-30得票数 0
我尝试用以下代码(tf_lite_converter.py)转换已经存在的冻结图，该图保存在..pb文件中：
#!/usr/bin/env python
import sys
import tensorflow as tf
from tf.contrib.lite import convert_savedmodel
convert_savedmodel.convert(
saved_model_dir="/frozen_inference_graph.pb",
output_tflite="/TF_Lite_Model")
运行代码时，
py
浏览 4提问于2018-05-15得票数 1
回答已采纳
1回答
我正在做一个tensorflow 2.0项目，在保存我的模型并试图转换成tensorflow格式时，我遇到了这个错误。
saved_decoder2=tf.saved_model.save(decoder, "C:\\Users\\...\\saved_model_for_decoder")
converter2 = tf.lite.TFLiteConverter.from_saved_model("C:\\Users\\...\\saved_model_for_decoder", signature_keys=None)
tflite_model2 = con
浏览 0提问于2020-09-13得票数 4
我正在Raspberry Pi 3b上使用TF lite开发一个Tensorflow嵌入式应用程序，运行Raspbian Stretch。我已经将图形转换为平面缓冲区(lite)格式，并在Pi上原生构建了TFLite静态库。到目前一切尚好。但是应用程序是Python，似乎没有可用的Python绑定。Tensorflow Lite开发指南()声明“已经有了Python绑定和演示应用程序的计划。”然而，/tensorflow/contrib/lite/python/interpreter_wrapper中的包装器代码包含了所有需要的解释器方法。然而，在Python中调用它却让我摸不着头脑。
我已经
浏览 1提问于2018-06-18得票数 11
回答已采纳
1回答
我有一个tflite模型用于掩码检测，其中一个乙状结肠层输出0掩码和1no_mask之间的值。
我使用netron检查了输入和输出节点，下面是我得到的：
我在python中测试了推理模型，它工作得很好。
# A simple inference pipline
import numpy as np
import tensorflow as tf
import cv2
# Load TFLite model and allocate tensors.
interpreter = tf.lite.Interpreter(model_path="efficient_net.
浏览 1提问于2021-11-27得票数 1
回答已采纳
我正在用大约6500个类在大约10.000.000张图像(128x128x1)的数据集上训练EfficientNet lite (从头开始)。我的训练损失越来越大，训练的准确性也越来越高。然而，我的测试损失/准确性是浮动的。当我手动测试CNN的一些输入时，它看起来非常好，并且(几乎)正确地识别了一切。因为我的GPU内存只有8GB，所以我正在使用批处理大小256和fp16计算进行训练。
现在，我的问题是，为什么列车损失/成本波动这么大，有什么可以纠正的吗？
以下是一些(可能)重要的细节：
加载数据集：
tr_dataset = tf.keras.preprocessing.i
浏览 13提问于2022-03-10得票数 0
这是我第一次尝试构建github项目，找出如何构建TF库的工作已经太多了，所以我使用了github项目，该项目提供了一个带有已经为C++ 18.04构建的TF C++ tensorflow_cc的docker镜像。 这看起来是一个很好的开始，但是编译失败了，如下所示： error: 'TopK' is not a member of 'tensorflow::ops' 在一行代码中： tensorflow::ops::TopK(root.WithOpName(output_name), outputs[0], how_many_labels); 然而，根据TF
浏览 24提问于2019-03-01得票数 2
回答已采纳
我fine.tuned了一个固态硬盘模型来识别一个自定义对象。我遵循了教程，运行了训练过程并导出了模型，我测试了它的推理，一切都很好。所以，现在我有了一个类似这样的结构： exported models/
|
---- SSD_custom_model/
|
--------checkpoint/
--------saved_model/
--------pipeline.config 我认为这就是TensorFlow文档中所说的“保存的模型”。所以，我想把这个模型转换成TensorFlow Lite，以便在安卓设备上测试，我查看了教程，我正在尝试： import tensorflow as
浏览 193提问于2021-02-24得票数 1
回答已采纳
我想使用谷歌在设备上的BigTransfer论文中的模型。
论文：
代码：
下面是我的TF Lite代码：
def representative_data_gen():
for x, _ in validation_ds.take(QUANTIZATION_REPRESENTATIVE_DATASET_SIZE):
yield [x]
converter = tf.lite.TFLiteConverter.from_saved_model(MODEL_DIR)
converter.optimizations = [tf.lite.Optimize.DEFAULT]
con
浏览 2提问于2021-01-11得票数 1
当我试图在上运行一个tiny-yolov3模型时，我遇到了一个错误。当我尝试在手机上运行应用程序时，应用程序崩溃并显示以下错误
E/AndroidRuntime: FATAL EXCEPTION: inference
Process: org.tensorflow.lite.examples.detection, PID: 5535
java.lang.IllegalArgumentException: Invalid output Tensor index: 1
at org.tensorflow.lite.NativeInterpreterWrapper.g
浏览 14提问于2020-05-26得票数 0
回答已采纳
在我使用的前一个TensorFlow版本(1.9)中，我能够使用存储在Conv2D操作输入中的UINT8权重来量化我的网络。现在，在使用Keras模型的TensorFlow 2.0中，训练后量化给出了INT8权重，似乎没有针对无符号权重的选项。有没有可能用TF 2.0来控制卷积层中权重的符号？ import tensorflow as tf
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir)
converter.optimizations = [tf.lite.Optimize.DEFAULT]
def
浏览 56提问于2020-11-22得票数 2
我正在尝试用TensorFlow-lite编译一个有状态图。我在tensorflow 2.8.1上。下面是一个例子，我使用了累积和：
@dataclass
class CumulativeSum:
cumsum: tf.Variable = field(default_factory=lambda: tf.Variable(initial_value=0., dtype=tf.float64))
def add(self, x):
self.cumsum.assign(self.cumsum + x)
浏览 6提问于2022-08-11得票数 0
如何在Raspberry Pi 3B+上使用Tensorflow Lite C++库？
我正在研究树莓派3B+上的物体检测。我已经训练了自己的模型，并转换为精简模型。然后我在Ubuntu 16.04上通过交叉编译生成了libtensorflow-lite.a。
浏览 1提问于2019-05-28得票数 0
2回答
我按照tensorflow android指南从源代码中生成tensorflow-lite.aar和tensorflow-lite-select-tf-ops.aar。
我现在的应用程序可以用，
dependencies {
...
implementation 'org.tensorflow:tensorflow-lite:2.3.0'
implementation 'org.tensorflow:tensorflow-lite-gpu:2.3.0'
implementation 'org.tensorflow:ten
浏览 1提问于2020-11-26得票数 0
回答已采纳
我正在尝试用TensorFlow模型测试c++代码。该模型得到256*256浮标阵列(谱图或图像)，并对这些数据进行了推断。TF模型是为解决5类分类问题而设计的。它是由一个传统的TF模型通过转换得到的。我使用TF Lite 2.0。
这是我的密码：
#include <iostream>
#include <cstdio>
#include "../tensorflow/tensorflow/lite/interpreter.h"
#include "../tensorflow/tensorflow/lite/model.h"
#inc
浏览 1提问于2019-10-18得票数 0
回答已采纳
我保存了一个tensorflow模型，与中的所有模型相同。
我想将它转换为tesorflow lite，我从tensorflow github (我的tensorflw版本是2)中找到了以下方法：
!wget http://download.tensorflow.org/models/object_detection/tf2/20200711/ssd_resnet50_v1_fpn_640x640_coco17_tpu-8.tar.gz
# extract the downloaded file
!tar -xzvf ssd_resnet50_v1_fpn_640x640_coco17_tp
浏览 15提问于2020-08-09得票数 5
回答已采纳
我对此相当陌生，所以请原谅我缺乏知识。我正试图用kivy制作一个ML应用程序，它可以检测特定的对象。问题是，我不能在代码中包括tensorflow和keras，因为kivy不允许使用它进行apk转换。所以我遇到了tensorflow lite，它可以在android上运行，但是当我看到一个python例子时，我发现它包含了tensorflow-
import numpy as np
import tensorflow as tf
img = tf.placeholder(name="img", dtype=tf.float32, shape=(1, 64, 64, 3))
c
浏览 6提问于2021-12-31得票数 1
回答已采纳
import tensorflow as tf
from tensorflow.contrib import lite
graph_def_file = 'D:\\Models\\kapl\\inference_graph \\frozen_inference_graph.pb'
input_arrays = [1,600,1024,1] #image_tensor
output_arrays = [1,600,1024,1]
converter = tf.contrib.lite.TFLiteConverter.from_froz
浏览 3提问于2019-03-02得票数 0
嗨，我想把tflite上传到android演播室，但是
没有为内置操作系统“STRIDED_SLICE”版本“6”找到op
出来了。下面是将.h5文件转换为tflite的python代码。
fastspeech_concrete_function = fastspeech2.inference_tflite.get_concrete_function()
converter = tf.lite.TFLiteConverter.from_concrete_functions(
[fastspeech_concrete_function]
)
converter.optimizations = [
浏览 5提问于2021-05-28得票数 2
回答已采纳
我尝试使用带有Add操作的简单keras模型，并将其转换为TFLite，然后转换为EdgeTPU。需要对int8进行量化，但是根据转换参数的不同，它会导致不支持的操作FlexAddV2，或者不支持的数据类型int32，或者AddV2错误代码: ERROR_NEEDS_FLEX_OPS的错误。
模型和转换相对简单明了：
from tensorflow import keras
import numpy as np
import random
def representative_dataset():
for _ in range(100):
#data = random
浏览 14提问于2022-09-08得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
