轻松分析TensorFlow Lite模型（*.tflite）
tflite的Python项目详细描述
使用Python轻松解析TFLite模型
这个^{*.tflite）。背景请参考Introducing TFLite Parser Python Package。在
使用
安装
pip install tensorflow==1.14.0 pip install tflite==1.14.0.post1
如果使用关于tensorflow的正确版本会更好，其中映射如下所示。
由于2.0.1，因此不需要.post[?]后缀，因此我们可以保持此版本映射的简单性。
如果您发现某些版本丢失，请考虑contribute it！：）
| TensorFlow package version | tflite package version |
|---|---|
| 1.14.0 | 1.14.0.post1 |
| 1.15.0 | 1.15.0.post1 |
| 1.15.2 | 1.15.2 |
| 2.0.0 | 2.0.0.post2 |
| 2.0.1 | 2.0.1 |
| 2.1.0 | 2.1.0 |
导入包
可以使用easy import或original import导入该包，其中的区别是您编写了多少import，没有功能分歧。有关支持的接口，请参阅document page。在
Easy Import（推荐）
Easy import支持通过一个import tflite进行解析。这是通过将一个子模块的类和函数导入顶层模块directly来实现的。在
MobileNet parsing example演示了如何使用import tflite只解析一次。在
Original Import
您可以像新生成的FlatBuffers一样使用这个包（example），以避免遗留代码的任何中断。在
^{pr2}$贡献更新
由于不同的TensorFlow版本可能会更改运算符定义，因此需要相应地更新此包。如果您注意到包已过期，请随时提供新版本。这很简单，说明如下。在
- Fork the repository，然后下载它。在
- 通过
pip install -r requirements.txt安装其他Depdency。然后安装flatbuffer compiler（您可能需要manually build it）。在 - 生成要更新的代码。工具已经准备好了，有行动的提示。 在
- 按你的零钱打开Pull Request。在
- 合并后，维护人员将负责将更改上载到PyPI。在
资源
许可证
Apache许可证2.0版作为TensorFlow的
免责声明
schema.fbs是由张量流直接得到的。此包的维护者试图contactTensorFlow mainters来解决许可问题，但没有收到任何答复。所有权或维护权开放转让或关闭，如果有任何问题。在
- 项目
标签：
欢迎加入QQ群-->： 979659372
