如何在VSCode中将YOLOv8s的best.pt模型转换为TensorFlow Lite？

1. 环境准备 #

先在VSCode的Python环境中安装必要依赖：

pip install ultralytics tensorflow torch

• ultralytics是YOLOv8官方库，自带多格式模型转换工具
• tensorflow用于处理TFLite模型的转换与验证
• torch负责加载PyTorch格式的.pt模型

2. 模型转换步骤 #

方法一：用Ultralytics工具直接转换（最简便） #

Ultralytics支持一键将YOLOv8的.pt模型转成TFLite格式：

1. 在VSCode中新建Python脚本（如convert.py），写入代码：

from ultralytics import YOLO

# 加载本地的best.pt模型
model = YOLO('best.pt')

# 导出为TFLite格式，文件会保存在当前目录
model.export(format='tflite')

2. 运行脚本：

python convert.py

执行完成后，当前目录会生成best.tflite文件。

方法二：先转SavedModel再转TFLite（支持自定义调整） #

如果需要对模型做修改（比如冻结层、调整输入尺寸），可以分两步转换：

1. 先将.pt模型导出为TensorFlow SavedModel：

from ultralytics import YOLO

model = YOLO('best.pt')
# 导出SavedModel到指定目录
model.export(format='saved_model', save_dir='tf_saved_model')

2. 用TensorFlow将SavedModel转为TFLite（可添加量化优化）：

import tensorflow as tf

# 加载SavedModel
converter = tf.lite.TFLiteConverter.from_saved_model('tf_saved_model')
# 可选：启用动态量化，减小模型体积、加快推理速度
converter.optimizations = [tf.lite.Optimize.DEFAULT]
# 执行转换
tflite_model = converter.convert()

# 保存最终的TFLite模型
with open('best_quantized.tflite', 'wb') as f:
    f.write(tflite_model)

3. 验证转换结果 #

可以快速验证TFLite模型是否可用：

import tensorflow as tf

# 加载TFLite模型
interpreter = tf.lite.Interpreter(model_path='best.tflite')
interpreter.allocate_tensors()

# 查看输入输出形状，确认模型加载正常
input_shape = interpreter.get_input_details()[0]['shape']
output_shape = interpreter.get_output_details()[0]['shape']
print(f"模型输入形状: {input_shape}")
print(f"模型输出形状: {output_shape}")

能正常打印输入输出信息，说明转换成功。

注意事项 #

• 确保best.pt文件放在VSCode工作目录下，或在代码中填写绝对路径
• 若遇到版本兼容问题，可指定兼容版本：pip install ultralytics==8.0.200 tensorflow==2.15.0
• 如需int8量化（进一步压缩模型），需准备校准数据集，可参考TensorFlow量化逻辑调整转换代码

内容的提问来源于stack exchange，提问作者zizo