最近在用TensorFlow Object Detection API訓練目標檢測模型，訓練好的pb模型大小17.6M，用pb預測效果不錯，於是想着如何在手機端運行，查看官網關於tflite的轉換，網址：https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/running_on_mobile_tensorflowlite.md。
預測使用的pb模型：
在主目錄下的research目錄執行如下：
注意裏面的相關路徑需要換成自己的ckpt的目錄。執行完後，會看到一個名字爲--output_directory指定的目錄。這裏爲exported_graphs目錄，裏面包含了一個SavedModel 和frozen graph，其中的.pb文件就是預測使用的。
如上轉換pb和預測過程參考我之前的文章即可。
關於tflite，需要使用如下操作：
注意第二行pipeline_config_path爲你的pipeline.config目錄路徑，trained_config_path路徑爲訓練好的ckpt模型文件，output_dir爲tflite輸出目錄文件夾名字，執行完後在tflite目錄會看到兩個文件tflite_graph.pb and tflite_graph.pbtxt.
接下來就是轉tflite了，之前嘗試了其他轉tflite的方式，雖然只有幾行代碼，但發現一直有問題，因此按照官網要求一步一步轉，這次使用TOCO轉tflite，首先需要安裝TensorFlow源碼並編譯。。。。。切記，要不然找不到bazel目錄。。。。
注意在編譯後的bazel同一級目錄執行，input_file爲上一步生成的tflite_graph.pb文件。output_file爲本次要生成的tflite文件。其他的爲固定寫法，如果你的模型輸入不是300x300注意改input_shapes.執行完就能看到一個detect.tflite文件，該文件大小17M多，這次量化後的模型。
float類型的模型轉換方式：
如上生成detect.tflite文件。
注意：在對比tflite和pb的一致性時，輸入到tflite的圖片需要進行（image-127.5)/128操作。否則模型輸出結果和pb文件對不上。
這樣pb文件和tflite預測的結果就能一樣，不過float模型大小和pb文件差不多，而且量化的時候模型大小爲0，不明白爲什麼量化的時候模型爲量化成功原因，現在只能使用float類型的tflite