对 Tensorflow 来说是全新的， 我使用从 TensorFlow zoo 中找到的“faster_rcnn_inception_v2_coco_2018_01_28”模型创建了一个对象检测模型（.pb 和 .pbtxt）。它在 Windows 上运行良好，但我想在谷歌珊瑚边缘 TPU 上使用这个模型。如何将我的冻结模型转换为 edgetpu.tflite 量化模型？
【问题讨论】：
标签： python tensorflow google-coral
这个pipeline还有2个步骤：
1) 转换.pb -> tflite:
我不会详细介绍，因为 tensorflow 官方页面上有这方面的文档，并且它经常更改，但我仍然会尝试具体回答您的问题。有两种方法可以做到这一点：
量化感知训练：这发生在模型训练期间。我认为这不适用于您，因为您的问题似乎表明您不了解此过程。但如果我错了，请纠正我。
训练后量化：基本上加载您的模型，其中所有张量都是浮点类型，并将其转换为具有 int8 张量的 tflite 形式。同样，我不会详细介绍，但我会给你 2 个这样做的实际例子 :) a) with code b) with tflite_convert tools
2) 从 tflite 编译模型 -> edgetpu.tflite:
一旦您生成了一个完全量化的 tflite 模型，恭喜您的模型现在在 arm 平台上效率更高，并且尺寸更小。但是，除非您为 edgetpu 编译它，否则它仍将在 CPU 上运行。您可以查看this doc 以了解安装和使用情况。但是编译它很简单：
$ edgetpu_compiler -s your_quantized_model.tflite
希望这会有所帮助！
【讨论】：