机器学习笔记 - 基于TensorFlow Lite的模型部署

一、简述

         TensorFlow Lite 是一个移动端库，可用于在移动设备、微控制器和其他边缘设备上部署模型。

         假设要执行图像分类任务。首先决定任务的模型。是要创建自定义模型；或者使用预训练模型，如 InceptionNet、MobileNet、NASNetLarge 等。又或者在预训练模型上应用迁移学习。

        模型训练完成后，您会将模型转换为 Tensorflow Lite 版本。TF lite 模型是一种在准确性方面高效的特殊格式模型，也是一种占用空间较小的轻量级版本，这些特性使 TF Lite 模型非常适合在移动和嵌入式设备上工作。

TensorFlow Lite 转换过程

二、模型转换

        转换keras 格式

#Save the keras model after compiling
model.save('model_keras.h5')
model_keras= tf.keras.models.load_model('model_keras.h5')
# Converting a tf.Ker