时间戳

首页 > 解决方案 > 如何在 Raspberry Pi 中加载 tflite 权重

python - 如何在 Raspberry Pi 中加载 tflite 权重

问题描述

我正在使用神经网络，我需要使用 Raspberry Pi v2。

当我想安装 tensorflow 2.X 时它失败了，我只能安装 tensorflow 1.14。出于这个原因，我找到了tflite一个理论上可以帮助我的库，它有一个精简版的 tf.

这里的图像显示我无法安装它。

在此处输入图像描述

首先，我将我的 keras 模型（model.h5）转换为.tflite模型。

# Convert the model.
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()
# Save the model.
with open('model.tflite', 'wb') as f:
  f.write(tflite_model)

既然来了，一切OK。问题是当我想使用这个模型时。有了张量流，我知道该怎么做，

from tensorflow import keras

def importModel(myPath):
    file = open(myPath+'model/model.json', 'r')
    model_json = file.read(); file.close()

    model = keras.models.model_from_json(model_json)
    model.load_weights(myPath+'model/model.h5')

    return model, scaler

但是我真的不明白该怎么做tflite，有人可以帮助我吗？

标签： pythontensorflowtensorflow-lite

解决方案

你可以在官方文档中找到这个

import numpy as np
import tensorflow as tf

# Load the TFLite model and allocate tensors.
interpreter = tf.lite.Interpreter(model_path="converted_model.tflite")
interpreter.allocate_tensors()

# Get input and output tensors.
input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()

# Test the model on random input data.
input_shape = input_details[0]['shape']
input_data = np.array(np.random.random_sample(input_shape), dtype=np.float32)
interpreter.set_tensor(input_details[0]['index'], input_data)

interpreter.invoke()

# The function `get_tensor()` returns a copy of the tensor data.
# Use `tensor()` in order to get a pointer to the tensor.
output_data = interpreter.get_tensor(output_details[0]['index'])
print(output_data)

如果您在树莓派上安装 TensorFlow 2.x 时遇到问题，可能是因为您没有使用最新版本的 Python3

推荐阅读