如何从 tflite 模型中获取权重？

Question

我有一个简单的网络，并且使用张量流完成了修剪和量化。我特别按照本教程应用于我的网络： https://www.tensorflow.org/model_optimization/guide/pruning/pruning_with_keras#convert_to_tensorflow_lite

最后，我得到了 tflite 文件。我想从这个文件中提取权重。我如何从这个量化模型中获得权重？我知道从“h5”文件获取权重的方法，但不知道从“tflite”文件获取权重的方法。或者在模型上执行量化后是否有其他方法保存“h5”文件？

Answer 1

创建 tflite 解释器并（可选）执行推理。tflite_interpreter.get_tensor_details() 将给出具有权重、偏差、尺度、零点等的字典列表。

'''
Create interpreter, allocate tensors
'''
tflite_interpreter = tf.lite.Interpreter(model_path='model_file.tflite')
tflite_interpreter.allocate_tensors()

'''
Check input/output details
'''
input_details = tflite_interpreter.get_input_details()
output_details = tflite_interpreter.get_output_details()

print("== Input details ==")
print("name:", input_details[0]['name'])
print("shape:", input_details[0]['shape'])
print("type:", input_details[0]['dtype'])
print("\n== Output details ==")
print("name:", output_details[0]['name'])
print("shape:", output_details[0]['shape'])
print("type:", output_details[0]['dtype'])

'''
Run prediction (optional), input_array has input's shape and dtype
'''
tflite_interpreter.set_tensor(input_details[0]['index'], input_array)
tflite_interpreter.invoke()
output_array = tflite_interpreter.get_tensor(output_details[0]['index'])

'''
This gives a list of dictionaries. 
'''
tensor_details = tflite_interpreter.get_tensor_details()

for dict in tensor_details:
    i = dict['index']
    tensor_name = dict['name']
    scales = dict['quantization_parameters']['scales']
    zero_points = dict['quantization_parameters']['zero_points']
    tensor = tflite_interpreter.tensor(i)()

    print(i, type, name, scales.shape, zero_points.shape, tensor.shape)

    '''
    See note below
    '''

• Conv2D 层将具有三个与之关联的字典：kernel、bias、conv_output，每个字典都有其尺度、zero_points 和张量。
• 张量 - 是具有内核权重或偏差的 np 数组。对于 conv_output 或activation，这没有任何意义（不是中间输出）
• 对于卷积核的字典，张量的形状为 (cout, k , k,cin)