Python 如何减小我从keras转换的.tflite的大小

我刚刚将google上创建的Keras model.h5（resnet50 img classify）转换为

.tflite

，但大小只是减少了

0.5 MB

这适用于移动应用程序，其大小应进一步减小。它有90MB，对于生产来说太大了

OS平台和发行版=Linux-4.14.79+-x86_64-with-Ubuntu-18.04-bionic

TensorFlow版本='1.14.0-rc1'

CUDA/cuDNN版本=V10.0.130

GPU型号和内存=11441MB |特斯拉K80

from tensorflow import lite
converter = lite.TFLiteConverter.from_keras_model_file( '/gdrive/My Drive/Places/model.h5')
tfmodel = converter.convert()
open ("model.tflite" , "wb") .write(tfmodel)

我预计随着firebase支持到40MB，其大小会减小？我哪里做错了，我该怎么办？我甚至使用Pytork并从.pth转换到.pb，但无法完成

---

也许您可以设置

converter.post_training\u quantize=True

以减小大小。标准TensorFlow Lite运行时不支持模型中的某些运算符。如果这些是本机TensorFlow运算符，则可以通过传递--enable_select_tf_ops来使用扩展运行时，或者通过设置target_ops=TFLITE_BUILTINS，在调用tf.lite.TFLiteConverter（）时选择_tf_ops。否则，如果有自定义实现，则可以使用--allow_custom_ops禁用此错误，或者在调用tf.lite.TFLiteConverter（）时设置allow_custom_ops=True。以下是需要自定义实现的运算符列表：FusedBatchNormav3。@Prabesh您成功地减小了模型的大小了吗？请看一看我自己的问题，和你的有点不同：）。非常感谢。