机器学习笔记 - 使用TensorFlow Lite从头创建模型

最新推荐文章于 2025-07-13 10:30:42 发布

坐望云起

最新推荐文章于 2025-07-13 10:30:42 发布

阅读量1.1k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：深度学习从入门到精通文章标签： TF Lite TensorFlow 图像分类物体检测深度学习

本文链接：https://blog.youkuaiyun.com/bashendixie5/article/details/124785854

深度学习从入门到精通专栏收录该内容

798 篇文章 ¥99.90 ¥299.90

订阅专栏

本文档详细介绍了如何使用TensorFlow Lite Model Maker库从头开始创建和优化图像分类模型。首先，介绍了使用自定义数据集微调预训练模型的过程，接着探讨了模型优化技术，包括FP 16、动态和整数量化。实验结果显示，整数量化模型在保持较高准确性的前提下，模型大小和推理时间均有显著改善。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、概述

目标是使用 TF Lite Model Maker Library 创建 TensorFlow Lite 模型。将在自定义数据集上微调预训练的图像分类模型，并进一步探索该库当前支持的不同类型的模型优化技术，并将其导出到 TF Lite 模型。最后对创建的 TF Lite 模型和转换后的模型进行性能比较。

TensorFlow Lite 模型制作库使我们能够在自定义数据集上训练预训练或自定义 TensorFlow Lite 模型。在为设备上的 ML 应用程序部署 TensorFlow 神经网络模型时，它简化了调整模型并将其转换为特定输入数据的过程。目前，它支持图像分类、物体检测、文本分类、BERT 问题解答、音频分类、推荐系统等。

安装方法1

pip install tflite-model-maker

安装方法2

git clone https://github.com/tensorflow/examples
cd examples/tensorflow_examples/lite/model_maker/pip_package
pip install -e .

二、准备数据集

这里使用DataLoader来加载数据集。

#Importing libraries
from PIL import Image
im

了解本专栏