Hi,
Преобразование модели обнаружения объектов TensorFlow в Tf-Lite довольно просто. Общий тензорный граф потока подходит для настольных и высокопроизводительных систем. Tf-Lite — это более легкая версия для TensorFlow Inference или Model Graph, она широко используется для мобильных устройств благодаря легкому формату.
Надеюсь, вы уже настроили проект обнаружения объектов, убедитесь, что вы обучаете модель алгоритмам, совместимым с мобильными устройствами. Здесь модель обучается на SSD-MobileNet. В этой статье кратко описаны шаги или команды для выполнения и создания графического файла tensor flow lite.
Действуйте следующим образом:
Выполните следующие команды в терминале.
// Model File Path •set CONFIG_FILE="C:/tensorflow1/models/research/object_detection/sm/ssd_mobilenet_v2_coco1.config" // Trained Checkpoint File Path •set CHECKPOINT_PATH="C:/tensorflow1/models/research/object_detection/sm/model.ckpt-1707" //Output Directory Path •set OUTPUT_DIR="C:/tensorflow1/models/research/object_detection/smtflite“
Позже нам нужно сгенерировать более легкую версию графика вывода или модели, а затем преобразовать ее в файл «.lite». Запустите приведенные ниже команды для создания файлов «lite.pbtxt» и «.lite». Нам нужно настроить среду bazel, прежде чем перейти к этой части. Обратитесь к ссылке ниже
https://docs.bazel.build/versions/master/getting-started.html
//for lite.pbtxt generation : python object_detection/export_tflite_ssd_graph.py --pipeline_config_path=%CONFIG_FILE% --trained_checkpoint_prefix=%CHECKPOINT_PATH% --output_directory=%OUTPUT_DIR% --add_postprocessing_op=true //for .lite file generation: //folder path : (tensorflowone) C:\test> bazel run -c opt tensorflow/lite/toco:toco -- --input_file=%OUTPUT_DIR%/tflite_graph.pb --output_file=%OUTPUT_DIR%/detect.tflite --input_shapes=1,300,300,3 --input_arrays=normalized_input_image_tensor --output_arrays=TFLite_Detection_PostProcess --inference_type=FLOAT --allow_custom_ops
Вот и все, проверьте выходной каталог на наличие файла tf-lite. Теперь вы можете интегрировать его в свое приложение для обнаружения мобильных объектов.
Спасибо :)