鲁达 最近在用TensorFlow Object Detection API训练目标检测模型，训练好的pb模型大小17.6M，用pb预测效果不错，于是想着如何在手机端运行，查看官网关于tflite的转换，网址：。
预测使用的pb模型：
在主目录下的research目录执行如下：
生成预测使用的pb文件
注意里面的相关路径需要换成自己的ckpt的目录。执行完后，会看到一个名字为--output_directory指定的目录。这里为exported_graphs目录，里面包含了一个SavedModel 和frozen graph，其中的.pb文件就是预测使用的。
如上转换pb和预测过程参考我之前的文章即可。
关于tflite，需要使用如下操作：
生成frozen graph
注意第二行pipeline_config_path为你的目录路径，trained_config_path路径为训练好的ckpt模型文件，output_dir为tflite输出目录文件夹名字，执行完后在tflite目录会看到两个文件 and txt.
接下来就是转tflite了，之前尝试了其他转tflite的方式，虽然只有几行代码，但发现一直有问题，因此按照官网要求一步一步转，这次使用TOCO转tflite，首先需要安装TensorFlow源码并编译。。。。。切记，要不然找不到bazel目录。。。。
编译生成量化的tflite
注意在编译后的bazel同一级目录执行，input_file为上一步生成的文件。output_file为本次要生成的tflite文件。其他的为固定写法，如果你的模型输入不是300x300注意改input_shapes.执行完就能看到一个de文件，该文件大小17M多，这次量化后的模型。
float类型的模型转换方式：
生成float（未量化）的tflite
如上生成de文件。
注意：在对比tflite和pb的一致性时，输入到tflite的图片需要进行（image-127.5)/128操作。否则模型输出结果和pb文件对不上。
这样pb文件和tflite预测的结果就能一样，不过float模型大小和pb文件差不多，而且量化的时候模型大小为0，不明白为什么量化的时候模型为量化成功原因，现在只能使用float类型的tflite
后续再讲其他转pb和tflite的方式以及验证方式。
喜欢的朋友和点击关注哦