1.创建训练图,其中加入create_training_graph(),训练。把训练好的数据存在checkpoint file中。
2. 创建推理图,其中加入create_eval_graph()。把训练好的数据导入推理图中,即load checkpoint。
3. Freeze 生成.pb file.(演讲的例子把2,3合成了一个文件中做。)
4. 在linux machine上把这个.pb file转化成.tflite file。
5. 可以用tflite python api的 interpreter读入这个.tflite模型然后做testing.
6. https://www.tensorflowers.cn/t/7136
.pb转化成.tflite
最新推荐文章于 2025-10-30 15:51:44 发布
博客介绍了TensorFlow模型处理流程。先创建训练图训练并保存数据到checkpoint file,再创建推理图导入训练数据,接着Freeze生成.pb file,之后在Linux机器上将其转化为.tflite file,最后可用tflite python api的interpreter读入模型进行测试。
部署运行你感兴趣的模型镜像
您可能感兴趣的与本文相关的镜像
TensorFlow-v2.15
TensorFlow
TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型
3851

被折叠的 条评论
为什么被折叠?



