我正在尝试将TFLite面部网格模型转换为MLModel(Apple)
TFLite模型说明: https://drive.google.com/file/d/1VFC_wIpw4O7xBOiTgUldl79d9LA-LsnA/view
TFLite实际.TFLite文件: https://github.com/google/mediapipe/blob/master/mediapipe/models/face_landmark.tflite
查看Apple(https://coremltools.readme.io/docs/introductory-quickstart)提供的CoreMLTools似乎是可能的,但所有示例代码都演示了来自Keras
而不是来自TFLite
的对话(尽管它得到了明确的支持):
如何将TFLite模型转换为MLModel模型?
据我所知,没有从TFLite到CoreMl的直接转换。有人可以创建这样的转换器,但显然没有人有
两种选择:
你自己做吧。有一个用于读取TFLite文件的Python API(flatbuffers)和一个用于写入核心ML文件的API(coremltools中的NeuralNetworkBuilder)。逐个浏览TFLite模型的各个层,并将它们添加到NeuralNetworkBuilder,然后另存为.mlmodel文件
让TFLite为您执行此操作。在TFLite中使用CoreMLDelegate时,它实际上会动态执行模型转换,并保存一个.mlmodel文件(或编译版本.mlmodelc)。然后它使用coreml来运行这个模型。您可以编写一些代码,使用CoreMLDelegate使用TFLite加载模型,然后获取从应用程序包创建的.mlmodel文件并使用它
相关问题 更多 >
编程相关推荐