如何将含assets、variables等文件的TensorFlow模型转换为TFLite？

你手里的是标准的TensorFlow SavedModel格式，转换为TFLite可以用以下两种常用方法：

方法一：使用TensorFlow命令行工具 #

这是最直接的方式，无需编写代码：

1. 确保环境已安装TensorFlow（建议2.x版本）
2. 打开终端/命令提示符，执行命令：

tflite_convert --saved_model_dir=/path/to/your/model/folder --output_file=/path/to/save/model.tflite

• 把/path/to/your/model/folder替换为包含assets、variables、saved_model.pb等文件的文件夹路径
• 把/path/to/save/model.tflite替换为你想要保存TFLite模型的路径和文件名

方法二：使用Python代码转换 #

如果需要自定义配置（比如量化、指定输入输出形状等），可以用脚本实现：

import tensorflow as tf

# 加载SavedModel
saved_model_dir = "/path/to/your/model/folder"
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir)

# 可选：添加自定义配置，比如启用浮点16量化
# converter.optimizations = [tf.lite.Optimize.DEFAULT]
# converter.target_spec.supported_types = [tf.float16]

# 执行转换
tflite_model = converter.convert()

# 保存TFLite模型
with open("/path/to/save/model.tflite", "wb") as f:
    f.write(tflite_model)

• 替换对应路径即可
• 如果模型有固定输入形状，可通过converter.input_shapes指定，避免转换时的形状推断问题

注意事项 #

• 尽量保证TensorFlow版本和保存模型时的版本兼容，减少兼容性报错
• 若转换报错，检查模型是否包含TFLite不支持的算子，这种情况需要修改模型或使用TensorFlow兼容工具处理

内容的提问来源于stack exchange，提问作者Wellington Silva