Python tflite模型是如何实现的；conv“u actions”tflite“，由语音命令识别提供的android演示程序是否已转换？

我使用lite Converter在终端中将我的

pb格式

模型转换为

tflite格式

，但效果不佳

但是当我使用android demo提供的

speech命令提供的
tflite模型时，它运行得非常好。我想知道这个模型是如何转换的


使用上面的链接，我用下面的命令训练模型

（基本）unizen@admin：~/tensorflow/tensorflow/examples/speech_命令$python train.py

在培训后保存模型时，我使用以下代码创建了冻结模型

(base) unizen@admin:~/tensorflow/tensorflow/examples/speech_commands$ python freeze.py \
--start_checkpoint=/tmp/speech_commands_train/conv.ckpt-18000 \
--output_file=/tmp/my_frozen_graph.pb

但是当我尝试将
.pb格式
转换为
tflite格式

(base) unizen@admin:~/tensorflow/tensorflow/examples/speech_commands$  tflite_convert \
--saved_model_dir  /home/unizen/Downloads/my_frozen_graph.pb \
--input_format TENSORFLOW_GRAPHDEF \
--input_arrays decoded_sample_data \
--input_shapes 16000,1 \
--output_arrays labels_softmax \
--output_format TFLITE \
--output_file /tmp/sprc.tflite \
--allow_custom_ops

错误是

(base) unizen@admin:~/tensorflow/tensorflow/examples/speech_commands$ python usage: tflite_convert [-h] --output_file OUTPUT_FILE
                      (--saved_model_dir SAVED_MODEL_DIR | --keras_model_file KERAS_MODEL_FILE)
tflite_convert: error: one of the arguments --saved_model_dir --keras_model_file is required.

请提供将冻结模型转换为tflite模型的解决方案

tflite_convert: error: one of the arguments --saved_model_dir --keras_model_file is required.

表示您正在使用tensorflow>=2.0.0。

自2.0.0以来不再使用冻结图（.pb），开发人员应将其模型保存为“保存的模型”或keras模型，因此
tflite\u convert
命令不再支持它。

但是，如果您安装tensorflow 1.15，您应该能够像这样对其进行转换：

tflite_convert
--output_file=/output.tflite
--graph_def_file /path/to/my_frozen_graph.pb \
--input_arrays decoded_sample_data,decoded_sample_data:1 \
--output_arrays labels_softmax \
--allow_custom_ops

或者，如果您不想安装tensorflow 1.15，只需使用python API和
tf.compat.v1
：

import tensorflow as tf

converter = tf.compat.v1.lite.TFLiteConverter.from_frozen_graph("./conv_actions_frozen.pb", input_arrays=['decoded_sample_data', 'decoded_sample_data:1'], output_arrays=['labels_softmax'])
converter.allow_custom_ops=True
tflite_model = converter.convert()
open("output.tflite", "wb").write(model)

这个

表示您正在使用tensorflow>=2.0.0。

自2.0.0以来不再使用冻结图（.pb），开发人员应将其模型保存为“保存的模型”或keras模型，因此
tflite\u convert
命令不再支持它。

但是，如果您安装tensorflow 1.15，您应该能够像这样对其进行转换：

tflite_convert
--output_file=/output.tflite
--graph_def_file /path/to/my_frozen_graph.pb \
--input_arrays decoded_sample_data,decoded_sample_data:1 \
--output_arrays labels_softmax \
--allow_custom_ops

或者，如果您不想安装tensorflow 1.15，只需使用python API和
tf.compat.v1
：

import tensorflow as tf

converter = tf.compat.v1.lite.TFLiteConverter.from_frozen_graph("./conv_actions_frozen.pb", input_arrays=['decoded_sample_data', 'decoded_sample_data:1'], output_arrays=['labels_softmax'])
converter.allow_custom_ops=True
tflite_model = converter.convert()
open("output.tflite", "wb").write(model)

tflite\u convert的文档位于以下位置：。你能在开头不加“python”吗？我确实试过了。我确实在一开始没有添加python的情况下运行了代码。我在问题中错误地使用python发布了代码。但是，感谢您的回复。如果您提出了解决方案，请确实在此处发布tflite\u convert的文档：。你能在开头不加“python”吗？我确实试过了。我确实在一开始没有添加python的情况下运行了代码。我在问题中错误地使用了python。但是，感谢您的回复。如果您提出了解决方案，请在这里发布。感谢您的回答，它正在工作。我在另一个问题（#59443695）中看到了冻结模型（conv#u actions_freezed.pb）文件是如何创建的，您的回答是它是由“旧示例android代码（）”创建的。你知道除了旧的android代码示例中的10个单词外，我们如何训练更多的单词（比如0到9个）？是的，你可以！我已经做到了这一点，并训练了一点姓名识别能力。我要提到的是。简而言之：使用train.py训练音频数据，使用freeze.py冻结图形，并使用我的帖子中的上述代码将其转换为tflite。根据您的要求，我会将您想要训练的每个单词记录50-100次（不确定是否正确，我已将每个单词记录15次，并执行meh）。请确保您正在录制的音频是wav、1s长、16000Hz和单声道。抱歉，如果这与新旧版本有点混淆：D但是我上面评论中转换的模型将适用于新的android代码示例，但不适用于旧的android示例，因为旧的android示例不适用于tflite模型。我发布的培训文档用于培训旧模型，该模型在转换为tflite时可与新的android代码一起工作。为了清楚起见：-旧的android示例：->使用旧示例中的正常模型-新的android示例：->使用从旧示例中转换的tflite模型感谢您的回答，它正在工作。我在另一个问题（#59443695）中看到了冻结模型（conv#u actions_freezed.pb）文件是如何创建的，您的回答是它是由“旧示例android代码（）”创建的。你知道除了旧的android代码示例中的10个单词外，我们如何训练更多的单词（比如0到9个）？是的，你可以！我已经做到了这一点，并训练了一点姓名识别能力。我要提到的是。简而言之：使用train.py训练音频数据，使用freeze.py冻结图形，并使用我的帖子中的上述代码将其转换为tflite。根据您的要求，我会将您想要训练的每个单词记录50-100次（不确定是否正确，我已将每个单词记录15次，并执行meh）。请确保您正在录制的音频是wav、1s长、16000Hz和单声道。抱歉，如果这与新旧版本有点混淆：D但是我上面评论中转换的模型将适用于新的android代码示例，但不适用于旧的android示例，因为旧的android示例不适用于tflite模型。我发布的培训文档用于培训旧模型，该模型在转换为tflite时可与新的android代码一起工作。为了清楚起见：-旧的android示例：->使用旧示例中的普通模型-新的android示例：->使用从旧示例中转换的tflite模型