获取input_array和output_array项以将模型转换为tflite格式

Question

请不要让我直接将Keras模型转换为tflite，因为我的.h5文件无法直接转换为.tflite。我设法将.h5文件转换为.pb

我使用Keras跟踪此Jupyter笔记本进行人脸识别。然后，我将模型保存到模型中。h5文件，然后将其转换为冻结的图形，模型。pb使用。

现在我想在Android中使用我的张量流文件。为此，我需要Tensorflow Lite，这需要我将模型转换为。tflite格式。

为此，我在这里尝试遵循官方指南。如您所见，它需要input_array和output_arrayarray。如何从我的模型中获取这些内容的详细信息。pb文件？

Answer 1

< code >输入数组和< code >输出数组是分别存储输入和输出张量的数组。

他们打算通知TFLite转换器将在推理时使用的输入和输出张量。

对于凯拉斯模型，

输入张量是第一层的占位张量。

input_tensor = model.layers[0].input

输出张量可能与激活函数有关。

output_tensor = model.layers[ LAST_LAYER_INDEX ].output

对于冻结图，

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

我们得到节点的名称，

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

要得到张量，

tensor = n.op

输入张量可以是占位张量。输出张量是使用< code>session.run()运行的张量

对于转换，我们得到，

input_array =[ input_tensor ]
output_array = [ output_tensor ]