You are viewing v4.43.2 version.
A newer version
v4.44.2 is available.
导出为 TFLite
TensorFlow Lite 是一个轻量级框架,用于资源受限的设备上,如手机、嵌入式系统和物联网(IoT)设备,部署机器学习模型。TFLite 旨在在计算能力、内存和功耗有限的设备上优化和高效运行模型。模型以一种特殊的高效可移植格式表示,其文件扩展名为 .tflite
。
🤗 Optimum 通过 exporters.tflite
模块提供将 🤗 Transformers 模型导出至 TFLite 格式的功能。请参考 🤗 Optimum 文档 以获取支持的模型架构列表。
要将模型导出为 TFLite 格式,请安装所需的依赖项:
pip install optimum[exporters-tf]
请参阅 🤗 Optimum 文档 以查看所有可用参数,或者在命令行中查看帮助:
optimum-cli export tflite --help
运行以下命令,以从 🤗 Hub 导出模型的检查点(checkpoint),以 google-bert/bert-base-uncased
为例:
optimum-cli export tflite --model google-bert/bert-base-uncased --sequence_length 128 bert_tflite/
你应该能在日志中看到导出进度以及生成的 model.tflite
文件的保存位置,如下所示:
Validating TFLite model...
-[✓] TFLite model output names match reference model (logits)
- Validating TFLite Model output "logits":
-[✓] (1, 128, 30522) matches (1, 128, 30522)
-[x] values not close enough, max diff: 5.817413330078125e-05 (atol: 1e-05)
The TensorFlow Lite export succeeded with the warning: The maximum absolute difference between the output of the reference model and the TFLite exported model is not within the set tolerance 1e-05:
- logits: max diff = 5.817413330078125e-05.
The exported model was saved at: bert_tflite
上面的示例说明了从 🤗 Hub 导出检查点的过程。导出本地模型时,首先需要确保将模型的权重和分词器文件保存在同一目录(local_path
)中。在使用 CLI(命令行)时,将 local_path
传递给 model
参数,而不是 🤗 Hub 上的检查点名称。