machine-learning - 如何知道 Tensorflow Lite 模型的输入/输出特征信息？

Question

我是移动开发者。我想将各种 Tensorflow Lite 模型（.tflite）与MLKit一起使用。

但是有一些问题，我不知道如何知道.tflite模型的输入/输出特征信息（这些将是设置的参数）。

有什么办法知道吗？

抱歉英语不好，谢谢。

---

更新（18.06.13.）：

我找到了这个网站https://lutzroeder.github.io/Netron/。此可视化图表基于您上传的模型（例如.mlmode等.tflite）并查找输入/输出表单。

这是示例截图！ https://lutzroeder.github.io/Netron 示例

Answer 1

如果您已经有一个不是您自己制作的 tflite 模型，并且您 想查看 tflite 文件并了解您的输入和输出，您可以使用flatc工具并将模型转换为.json文件并读取它。

首先克隆 flatbuffers 存储库并构建 flatc。

git clone https://github.com/google/flatbuffers.git

然后您必须将 tensorflow schema.fbs 存储在本地。要么检查 tensorflow github 要么下载那个文件。然后您可以运行以从输入flatc的 tflite 模型生成文件。json

flatc -t schema.fbs -- input_model.tflite

这将创建一个input_model.json易于阅读的文件。

Answer 2

添加到上面的答案：

请参阅这些构建说明：

https://google.github.io/flatbuffers/md__building.html

如果您已经有一个不是您自己制作的 tflite 模型，并且您想查看 tflite 文件并了解您的输入和输出，您可以使用 flatc 工具并将模型转换为 .json 文件并阅读它。

首先克隆 flatbuffers 存储库并构建 flatc。

git clone https://github.com/google/flatbuffers.git

然后您必须将 tensorflow schema.fbs 存储在本地。查看 tensorflow github 或下载该文件。然后你可以运行 flatc 从输入的 tflite 模型生成 json 文件。

flatc -t schema.fbs -- input_model.tflite

这将创建一个易于阅读的 input_model.json 文件。