keras训练的H5模型转tflite

1、使用代码转换

训练使用tf1.13.1和keras2.0
转换tflite环境是tf1.13.1，亲测可用

代码如下：

import tensorflow.lite as lite
import argparse

def parse_args():

    parser = argparse.ArgumentParser(description='Keras to TensorFlow Lite converter')

    parser.add_argument('--input_keras',
                        required=True,
                        type=str,
                        help='The input Keras file model (.h5)')

    parser.add_argument('--output_tflite',
                        required=True,
                        type=str,
                        help='The output TensorFlow Lite file model (.tflite)')

    parser.add_argument('--post_quantize',
                        required=False,
                        type=bool,
                        help='Use post-quantization')

    args = parser.parse_args()
    return args

def convert(args):

    input_file = args.input_keras
    output_file = args.output_tflite

    # Converts the Keras model to TensorFlow Lite
    converter = lite.TocoConverter.from_keras_model_file(input_file)
    converter.post_training_quantize = True
    tflite_model = converter.convert()
    open(output_file, "wb").write(tflite_model)


def run():
    args = parse_args()
    convert(args)

if __name__ == "__main__":
    run()

2、使用tflite_convert工具

还没有试过：使用tflite_convert命令工具将keras h5文件转换为tflite文件简易指南
这个教程分两步走，先将h5转换（经代码API转换）为pb模型，再将pb模型转换（经tflite_convert工具转换）为tflite

3、亲测使用tflite_convert工具

模型训练使用tf1.13.1和keras2.0
转换tflite环境是tf1.13.1

3.1 简介

tflite_convert是一个命令行工具，可以先看下将pb模型转tflite的大概流程：TF1.x和TF2.x版本训练的PB模型转Tflite。发现我们在对keras模型转换为tflite时需要知道h5模型的信息：

usage: tflite_convert --output_file OUTPUT_FILE	# 输出路径
                      --keras_model_file KERAS_MODEL_FILE	# keras的h5模型文件路径
                      --output_format TFLITE	# 输出格式，指定为TFLITE（固定）
                      --input_arrays INPUT_ARRAYS	# 输入节点名
                      --input_shapes INPUT_SHAPES	# 输入形状
                      --output_arrays OUTPUT_ARRAYS	# 输出节点名

下面我们讲input_arrays 、input_shapes、output_arrays的获取方法

3.2 模型信息获取

直接给出代码：

from keras.models import load_model
net = load_model(r"model.hdf5", compile=False)

print("inputs info",net.inputs)	
print("inputs name",[node.op.name for node in net.inputs])
print("output name",[node.op.name for node in net.outputs])

程序输出：

# 可以看出shape，在tflite_convert中指定为1,64,64,1
inputs info [<tf.Tensor 'input_1:0' shape=(?, 64, 64, 1) dtype=float32>]

# 可以看出输入节点名为input_1
inputs name ['input_1']

# 可以看出输出节点名为predictions/Softmax
output name ['predictions/Softmax']

实际上你可以直接print(net.inputs)和print(net.outputs)，输出为

:0是考虑到了多输入和多输出模型，但实际上本模型是单输入和单输出，所以也就是'input_1'和'predictions/Softmax'

3.3 转换

在命令行中执行：

tflite_convert --output_file output.tflite 	# 指定输出路径
			   --keras_model_file newdata_mini_XCEPTION.123-0.70.hdf5 # 指定要转换的模型
			   --input_arrays input_1 	# 指定输入节点名
			   --input_shapes 1,64,64,1 	# 输入shape
			   --output_arrays predictions/Softmax 	# 输出节点名
			   --output_format TFLITE	# TFLITE模式

如果没有报错，并且存在 output.tflite文件，应当就是转换成功了
output.tflite应当存在你执行命令行目录下，或者在执行命令指定绝对路径，方便寻找output.tflite文件。