Tensorflow将图形冻结到android应用程序的tflite

我是TensorFlow对象检测库的新手。我有一个特定的数据集，我必须自己制作，并用数千个jpg标记它。我已运行该文件以从这些图像中检测对象。。不管怎样，在过程结束时，我得到了冻结的图，并从中导出model.ckpl文件到推理图文件夹，一切正常，我在object_detection.ipynb文件上测试了model.ckpl model，工作正常。在这一步之前，没有问题。 但是，我无法理解如何将model.ckpl文件转换为model.tflite文件，以便在android studio应用程序上使用

我看到了很多东西，但我不知道什么是输入张量=[…] 输出_张量=[…] 我可能已经知道了，但它实际上是什么

---

你能告诉我如何转换它吗

使用tensorboard找出您的输入和输出层。以下连结供参考-

---

如果您不知道您的输入和输出，请使用总结图工具，并将其输入到您的冻结模型中。 请参见此处的命令

---

如果您从头开始训练您的模型，那么您必须拥有.meta文件。此外，还需要指定输出节点名称，您可以使用这些名称创建.pb文件。有关创建此文件的步骤，请参阅以下链接：

创建后，您可以进一步将.pb转换为tflite，如下所示：

import tensorflow as tf

graph_def_file = "model.pb"
input_arrays = ["model_inputs"]
output_arrays = ["model_outputs"]

converter = tf.lite.TFLiteConverter.from_frozen_graph(
        graph_def_file, input_arrays, output_arrays)

tflite_model = converter.convert()

open("converted_model.tflite", "wb").write(tflite_model)

---

谢谢你的努力，但我还没找到。顺致敬意，