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: