如何创建一个易于转换为TensorFlow Lite的模型？

Question

如何创建一个可以转换为TensorFlow Lite (tflite)并可用于TensorFlow应用程序的TensorFlow模型？

按照Google速成课程中的例子，我创建了一个分类器并训练了一个模型。我导出了模型，因为保存了模型。我想将模型转换为.tflite文件，并将其用于安卓上的推断器。

很快(实际上以后)，我明白我的模型使用了ParseExampleV2. - 不支持操作。

下面是我用来训练模型的分类器：

classifier = tf.estimator.DNNClassifier(
        feature_columns=[tf.feature_column.numeric_column('pixels', shape=WIDTH * HEIGHT)],
        n_classes=NUMBER_OF_CLASSES,
        hidden_units=[40, 40],
        optimizer=my_optimizer,
        config=tf.estimator.RunConfig(keep_checkpoint_max=1),
        model_dir=MODEL_DIR)

有什么方法可以训练不使用这个tf.ParseExampleV2 操作符的模型吗？

​

​

Answer 1

使用 Keras序列API 而不是

如果您的模型更复杂，请尝试Keras函数API。

估计器是一个高级API，它为模型增加了额外的复杂性。

下面是一个顺序模型：

model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(1024, input_dim=WIDTH*HEIGHT, activation='relu'))
model.add(tf.keras.layers.Dense(1024, activation='relu'))
model.add(tf.keras.layers.Dense(1, activation='sigmoid'))

optimizer = tf.keras.optimizers.Adam(learning_rate=rate)
model.compile(optimizer=optimizer, loss='binary_crossentropy', metrics=['accuracy'])

以及它的模式。将其与问题中的一个进行比较：

​

​

有关如何将模型转换为tflite的完整示例，请参阅MyProjectfor划线的分类-零和八。