【Tensorflow】object_detection：模型固化与toco优化

接上篇【Tensorflow】object_detection：SSD_MobileNetV2训练VOC数据集训练完成之后，生成了一系列ckpt文件，现在来将训练生成的ckpt模型固化。

tensorflow工具的编译请参考链接：【Tensorflow】bazel编译tensorflow工具summarize_graph、freeze_graph、toco

一、模型固化

以下命令的执行路径是models/research

使用的的工具是object_detection下面的export_tflite_ssd_graph.py，命令是：

python object_detection/export_tflite_ssd_graph.py \
--pipeline_config_path=/home/models/research/object_detection/samples/configs/ssd_mobilenet_v2_pascal.config \
--trained_checkpoint_prefix=/home/data/VOCdekit/ssd_mobilnet_v2/model.ckpt-50000 \
--output_directory=/home/data/VOCdekit/ssd_mobilnet_v2/output \
--add_postprocessing_op=true

注意在执行命令之前要将slim加入环境变量

export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

完成之后会生成tflite_graph.pb 和tflite_graph.pbtxt两个文件。

二、toco优化

以下命令的执行路径是tensorflow根目录。

用toco工具将固化的模型转换成tflite文件可以在移动端使用。

bazel run --config=opt /tensorflow/contrib/lite/toco:toco -- \
--input_file=/home/data/VOCdekit/ssd_mobilnet_v2/output/tflite_graph.pb \
--output_file=/home/data/VOCdekit/ssd_mobilnet_v2/output/detect.tflite \
--input_shapes=1,300,300,3 \
--input_arrays=normalized_input_image_tensor \
--output_arrays='TFLite_Detection_PostProcess','TFLite_Detection_PostProcess:1','TFLite_Detection_PostProcess:2','TFLite_Detection_PostProcess:3' \
--inference_type=FLOAT \
--allow_custom_ops

完成之后生成了detect.tflite文件。