# Converting a SavedModel to a TensorFlow Lite model.
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir)
tflite_model = converter.convert()# Converting a tf.Keras model to a TensorFlow Lite model.
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()# Converting ConcreteFunctions to a TensorFlow Lite model.
converter = tf.lite.TFLiteConverter.from_concrete_functions([func])
tflite_model = converter.convert()
Args
funcs
Lista de funciones de hormigón de TensorFlow. La lista no debe contener elementos duplicados.
trackable_obj
tf.Objeto autotrackable asociado con funcs. Es necesario mantener una referencia a este objeto para que las variables no se recolecten como basura, ya que las funciones tienen una referencia débil a las variables. Esto solo es necesario cuando el usuario no mantiene el objeto tf.AutoTrackable (p. Ej. from_saved_model).
Atributos
allow_custom_ops
Booleano que indica si se permiten operaciones personalizadas. Cuando es False, cualquier operación desconocida es un error. Cuando es Verdadero, las operaciones personalizadas se crean para cualquier operación desconocida. El desarrollador debe proporcionarlos al tiempo de ejecución de TensorFlow Lite con un solucionador personalizado. (predeterminado falso)
optimizations
Bandera experimental sujeta a cambios. Una lista de optimizaciones para aplicar al convertir el modelo. P.ej [Optimize.DEFAULT]
representative_dataset
Un conjunto de datos representativo que se puede utilizar para generar muestras de entrada y salida para el modelo. El convertidor puede usar el conjunto de datos para evaluar diferentes optimizaciones. Tenga en cuenta que este es un atributo opcional, pero es necesario si INT8 es el único soporte de operaciones integradas en las operaciones de destino.
target_spec
Bandera experimental sujeta a cambios. Especificación del dispositivo de destino.
inference_input_type
Tipo de datos de la capa de entrada. Tenga en cuenta que los tipos de enteros (tf.int8 y tf.uint8) actualmente solo se admiten para la cuantificación de enteros posterior al entrenamiento y el entrenamiento con reconocimiento de cuantificación. (tf.float32 predeterminado, debe estar en {tf.float32, tf.int8, tf.uint8})
inference_output_type
Tipo de datos de la capa de salida. Tenga en cuenta que los tipos de enteros (tf.int8 y tf.uint8) actualmente solo se admiten para la cuantificación de enteros posterior al entrenamiento y el entrenamiento con reconocimiento de cuantificación. (tf.float32 predeterminado, debe estar en {tf.float32, tf.int8, tf.uint8})
experimental_new_converter
Bandera experimental sujeta a cambios. Habilita la conversión basada en MLIR en lugar de la conversión TOCO. (Verdadero por defecto)
Convierte un GraphDef de TensorFlow en función de las variables de instancia.
Devoluciones
Los datos convertidos en formato serializado.
Eleva
ValueError
No se especifican funciones concretas. Se especifican múltiples funciones concretas. La forma de entrada no está especificada. Parámetros de cuantificación no válidos.
Crea un objeto TFLiteConverter a partir de ConcreteFunctions.
Args
funcs
Lista de funciones de hormigón de TensorFlow. La lista no debe contener elementos duplicados. Actualmente, el convertidor solo puede convertir una sola función ConcreteFunction. La conversión de múltiples funciones está en desarrollo.
Crea un objeto TFLiteConverter a partir de un directorio de modelo guardado.
Args
saved_model_dir
Directorio SavedModel para convertir.
signature_keys
Lista de claves que identifican SignatureDef que contienen entradas y salidas. Los elementos no deben duplicarse. Por defecto el signatures se utiliza el atributo de MetaGraphdef. (firmas_modelo_de_guardado por defecto)
tags
Conjunto de etiquetas que identifican el MetaGraphDef dentro del SavedModel para analizar. Todas las etiquetas del conjunto de etiquetas deben estar presentes. (conjunto predeterminado (PORCIÓN))