AttributeError：类型对象“TFLiteConverterV2”没有属性“from_keras_model_file”

Question

我有一个 TensorFlow Keras 模块“model.h5”。我想从中生成 tflite 。我正在使用下面提到的代码。我正在使用 tensorflow 版本“2.0.0”。

import tensorflow as tf
import numpy as np
from tensorflow import lite

dataset_dir = "C:\\Users\\Ravi\\dataset"
IMAGE_SIZE = 224
saved_keras_model = "C:\\Users\\Ravi\\model.h5"

def representative_data_gen():
  dataset_list = tf.data.Dataset.list_files(dataset_dir + '/*/*')
  for i in range(100):
    image = next(iter(dataset_list))
    image = tf.io.read_file(image)
    image = tf.io.decode_jpeg(image, channels=3)
    image = tf.image.resize(image, [IMAGE_SIZE, IMAGE_SIZE])
    image = tf.cast(image / 255., tf.float32)
    image = tf.expand_dims(image, 0)
    yield [image]

converter =  lite.TFLiteConverter.from_keras_model_file(saved_keras_model)
converter.optimizations = [tf.lite.Optimize.DEFAULT]
# This ensures that if any ops can't be quantized, the converter throws an error
converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS_INT8]
# These set the input and output tensors to uint8
converter.inference_input_type = tf.uint8
converter.inference_output_type = tf.uint8
# And this sets the representative dataset so we can quantize the activations
converter.representative_dataset = representative_data_gen
tflite_model = converter.convert()

with open('mobilenet_v2_1.0_224_quant.tflite', 'wb') as f:
      f.write(tflite_model)

我遇到了这种错误。

Traceback (most recent call last):

  File "C:\Users\Ravi\face-mask-models\tflite_model.py", line 28, in <module>
    converter =  lite.TFLiteConverter.from_keras_model_file(saved_keras_model)

AttributeError: type object 'TFLiteConverterV2' has no attribute 'from_keras_model_file'

可能是什么问题？我该如何解决这个问题？

Answer 1

你从this page得到这个信息：

仅整数 创建仅整数模型是用于微控制器和 Coral Edge TPU 的 TensorFlow Lite 的常见用例。

此外，为了确保与纯整数设备（例如 8 位微控制器）和加速器（例如 Coral Edge TPU）的兼容性，您可以使用以下命令对包括输入和输出在内的所有操作强制执行全整数量化步骤：

import tensorflow as tf
converter = tf.lite.TFLiteConverter.from_keras_model('model.h5')
converter.optimizations = [tf.lite.Optimize.DEFAULT]
def representative_dataset_gen():
  for _ in range(num_calibration_steps):
    # Get sample input data as a numpy array in a method of your choosing.
    yield [input]
converter.representative_dataset = representative_dataset_gen
converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS_INT8]
converter.inference_input_type = tf.int8  # or tf.uint8
converter.inference_output_type = tf.int8  # or tf.uint8
tflite_quant_model = converter.convert()

所以我假设您希望使用上述代码确保与仅整数设备的兼容性。

如果您不需要它并且只想转换模型，请执行以下操作：

# WHOLE MODEL
tflite_model = tf.keras.models.load_model('model.h5')
converter = tf.lite.TFLiteConverter.from_keras_model(tflite_model)
tflite_save = converter.convert()
open("generated.tflite", "wb").write(tflite_save)

一般来说，您的代码在“lite”前面缺少一个“tf”，因此特定行应该是：

converter =  tf.lite.TFLiteConverter.from_keras_model_file(saved_keras_model)

代替：

converter =  lite.TFLiteConverter.from_keras_model_file(saved_keras_model)

如果出现问题，您可以随时升级到 TF v 2.2.0。

如果您需要其他任何东西，请标记我