Python tf.compat.v1.lite.TFLiteConverter用法及代码示例

参数

• graph_def 冻结的 TensorFlow GraphDef。
• input_tensors 输入张量列表。使用 foo.shape 和 foo.dtype 计算类型和形状。
• output_tensors 输出张量列表(此处仅使用 .name)。
• input_arrays_with_shape 表示输入张量名称的字符串元组和表示输入形状的整数列表(例如，[("foo":[1, 16, 16, 3])])。仅当图形无法加载到 TensorFlow 以及 input_tensors 和 output_tensors 为 None 时使用。 (默认无)
• output_arrays 用于冻结图形的输出张量列表。仅当图形无法加载到 TensorFlow 以及 input_tensors 和 output_tensors 为 None 时使用。 (默认无)
• experimental_debug_info_func 一个实验函数，用于从 graph_def 检索一组节点的图形调试信息。

抛出

• ValueError 无效参数。

属性

• optimizations 实验标志，可能会发生变化。要应用的优化集。例如 {tf.lite.Optimize.DEFAULT}。 (默认无，必须是无或一组类型的值 tf.lite.Optimize )
• representative_dataset 用于整数量化的生成器函数，其中每个生成的样本具有与模型输入相同的顺序、类型和形状。通常，这是从训练或评估数据集中随机选择的数百个样本的一小部分，没有特定的顺序。这是一个可选属性，但对于完整整数量化是必需的，即，如果 tf.int8 是 target_spec.supported_types 中唯一支持的类型。请参阅tf.lite.RepresentativeDataset。 (默认无)
• target_spec 实验标志，可能会发生变化。目标设备的规格，包括支持的操作集、支持的类型和一组用户定义的 TensorFlow Lite 运行时所需的 TensorFlow 算子。请参阅tf.lite.TargetSpec。
• inference_type 数值数组的数据类型，不包括输入层。 (默认 tf.float32，必须在 {tf.float32, tf.int8, tf.uint8} 中)
• inference_input_type 输入层中数值数组的数据类型。如果 inference_input_type 在 {tf.int8, tf.uint8} 中，则必须提供 quantized_input_stats。 (默认是分配给 inference_type 的值，必须在 {tf.float32, tf.int8, tf.uint8} 中)
• inference_output_type 输出层中数值数组的数据类型。 (默认是分配给 inference_type 的值，必须在 {tf.float32, tf.int8, tf.uint8} 中)
• quantized_input_stats 输入张量名称到浮点元组的映射，表示训练数据的均值和标准差。 (例如，{"foo":(0., 1.)})。如果 inference_input_type 是 tf.int8 或 tf.uint8，则为必需。 (默认无)
• default_ranges_stats 整数元组 (min, max) 表示没有指定范围的所有数值数组的范围值。旨在通过"dummy quantization" 进行量化实验。 (默认无)
• allow_custom_ops 指示是否允许自定义操作的布尔值。当为 False 时，任何未知操作都是错误。当为 True 时，将为任何未知的操作创建自定义操作。开发人员需要使用自定义解析器将这些提供给 TensorFlow Lite 运行时。 (默认为假)
• drop_control_dependency 布尔值，指示是否静默删除控制依赖项。这是因为 TFLite 不支持控制依赖。 (默认为真)
• reorder_across_fake_quant 布尔值，指示是否在意外位置重新排序 FakeQuant 节点。当 FakeQuant 节点的位置阻止转换图形所需的图形转换时使用。生成与量化训练图不同的图，可能导致不同的算术行为。 (默认为假)
• change_concat_input_ranges 用于更改量化模型的 concat 运算符的输入和输出的最小/最大范围行为的布尔值。当为 true 时更改 concat 运算符重叠的范围。 (默认为假)
• output_format 输出文件格式。 (默认 tf.compat.v1.lite.constants.TFLITE，必须在 {tf.compat.v1.lite.constants.TFLITE, tf.compat.v1.lite.constants.GRAPHVIZ_DOT})
• dump_graphviz_dir 文件夹的完整文件路径，用于在处理 GraphViz .dot 文件的各个阶段转储图形。优先于output_format=tf.compat.v1.lite.constants.GRAPHVIZ_DOT为了保持输出文件的要求。 (默认无)
• dump_graphviz_video 布尔值，指示是否在每次图形转换后转储 GraphViz .dot 文件。需要指定 dump_graphviz_dir 标志。 (默认为假)
• conversion_summary_dir 存储转换日志的目录的完整路径。 (默认无)
• target_ops 已弃用。请改用target_spec.supported_ops。
• post_training_quantize 已弃用。请改用 optimizations 并将其设置为 {tf.lite.Optimize.DEFAULT} 。 (默认为假)
• experimental_new_converter 实验标志，可能会发生变化。启用基于 MLIR 的转换。 (默认为真)
• experimental_new_quantizer 实验标志，可能会发生变化。启用基于 MLIR 的量化转换，而不是基于 Flatbuffer 的转换。 (默认为真)