最近在用TensorFlow Object Detection API訓練目標檢測模型，訓練好的pb模型大小17。6M，用pb預測效果不錯，於是想著如何在手機端執行，檢視官網關於tflite的轉換，網址：https：//github。com/tensorflow/models/blob/master/research/object_detection/g3doc/running_on_mobile_tensorflowlite。md。
預測使用的pb模型：
在主目錄下的research目錄執行如下：
生成預測使用的pb檔案
注意裡面的相關路徑需要換成自己的ckpt的目錄。執行完後，會看到一個名字為——output_directory指定的目錄。這裡為exported_graphs目錄，裡面包含了一個SavedModel 和frozen graph，其中的。pb檔案就是預測使用的。
如上轉換pb和預測過程參考我之前的文章即可。
關於tflite，需要使用如下操作：
生成frozen graph
注意第二行pipeline_config_path為你的pipeline。config目錄路徑，trained_config_path路徑為訓練好的ckpt模型檔案，output_dir為tflite輸出目錄資料夾名字，執行完後在tflite目錄會看到兩個檔案tflite_graph。pb and tflite_graph。pbtxt。
接下來就是轉tflite了，之前嘗試了其他轉tflite的方式，雖然只有幾行程式碼，但發現一直有問題，因此按照官網要求一步一步轉，這次使用TOCO轉tflite，首先需要安裝TensorFlow原始碼並編譯。。。。。切記，要不然找不到bazel目錄。。。。
編譯生成量化的tflite
注意在編譯後的bazel同一級目錄執行，input_file為上一步生成的tflite_graph。pb檔案。output_file為本次要生成的tflite檔案。其他的為固定寫法，如果你的模型輸入不是300x300注意改input_shapes。執行完就能看到一個detect。tflite檔案，該檔案大小17M多，這次量化後的模型。
float型別的模型轉換方式：
生成float（未量化）的tflite
如上生成detect。tflite檔案。
注意：在對比tflite和pb的一致性時，輸入到tflite的圖片需要進行（image-127.5)/128操作。否則模型輸出結果和pb檔案對不上。
這樣pb檔案和tflite預測的結果就能一樣，不過float模型大小和pb檔案差不多，而且量化的時候模型大小為0，不明白為什麼量化的時候模型為量化成功原因，現在只能使用float型別的tflite
後續再講其他轉pb和tflite的方式以及驗證方式。
喜歡的朋友和點選關注哦
