TensorflowLite 模型转为Metadata format -----图片分类模型

原创于 2022-11-30 18:06:53 发布 · 351 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#分类 #人工智能 #python #tensorflow

tensorflow2.x 同时被 2 个专栏收录

5 篇文章

订阅专栏

tensorflowlite

2 篇文章

订阅专栏

本文介绍了如何将TensorflowLite模型转换为Metadata格式以便于在手机端部署。关键步骤包括使用`image_classifier.MetadataWriter`和`writer_utils`进行转换，并调整输入归一化参数(input_norm_mean和input_norm_std)以匹配训练数据。对于regression模型，标签文件只需包含任意数字。同时，注意标签.txt文件的格式，对于分类问题，每行应写入一个类别名称。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

如果想把TensorflowLite模型在手机端部署，需要把模型转换成为Metadata 格式。

代码如下：

from tflite_support.metadata_writers import image_classifier
from tflite_support.metadata_writers import writer_utils

# 这里的label 一定要注意 如果是regression 问题 一定要把label 改成一行
ImageClassifierWriter = image_classifier.MetadataWriter
model_path ="已经训练好的模型.tflite"
label_file = "labels.txt"# 模型输出对应标签 
save_path ="metadata_V1.tflite"
input_norm_mean = 0
input_norm_std = 255
writer = ImageClassifierWriter.create_for_inference(
                                                    writer_utils.load_file(model_path),
                                                    [input_norm_mean],
                                                    [input_norm_std],
                                                    [label_file])


print(writer.get_metadata_json())

writer_utils.save_file(writer.populate(),save_path)

其中，注意事项

（1）input_norm_mean，input_norm_std 根据训练图片的归一化方式更改

原始公式为（读取的图片像素【0，255】-input_norm_mean）/input_norm_std

（2）labels.txt

如果是regression 模型，就在lable.txt 随便写一个数字就行，只是为了编译通过，我们不会实际使用。

如果是具体类别，lable.txt 可以是

类别1（实际类别名字，一行写一个，前面不需要标号）

类别2

类别3