转换TensorFlow模型到TFLite报错，咨询.pb格式及解决方法

什么是.pb格式？ #

.pb是Protocol Buffer的缩写，是TensorFlow SavedModel格式的核心文件之一：

• 它以二进制格式存储了模型的完整计算图结构，包括层的定义、运算节点连接关系、输入输出张量信息等。
• SavedModel是TensorFlow的标准模型保存格式，除了.pb文件，通常还会搭配variables目录（存储模型权重数据）一起存在。

报错原因及解决方法 #

报错原因 #

你使用的tf.lite.TFLiteConverter.from_saved_model()方法，要求传入的路径是SavedModel格式的目录（该目录必须包含saved_model.pb/saved_model.pbtxt文件），但你传入的是h5模型文件或单独权重文件的路径，不符合方法的要求，因此触发报错。

针对你的文件情况，分两种解决方式： #

方式1：直接使用已有的.h5模型转换

如果你的model.h5是完整的Keras模型（包含结构+权重），可以直接加载后转换：

import tensorflow as tf

# 加载h5格式的完整模型
model = tf.keras.models.load_model('model.h5')
# 初始化TFLite转换器
converter = tf.lite.TFLiteConverter.from_keras_model(model)
# 执行转换
tflite_model = converter.convert()
# 保存转换后的TFLite模型
with open('converted_model.tflite', 'wb') as f:
    f.write(tflite_model)

方式2：使用单独的权重文件转换

如果model.h5不是完整模型，只有model.data-00000-of-00001和model.index权重文件，需要先重构模型结构，再加载权重后转换：

import tensorflow as tf

# 第一步：重构你的模型结构（必须和训练时的结构完全一致）
# 示例（根据你的实际模型修改）：
# model = tf.keras.Sequential([
#     tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(28,28,1)),
#     tf.keras.layers.MaxPooling2D((2,2)),
#     tf.keras.layers.Flatten(),
#     tf.keras.layers.Dense(10, activation='softmax')
# ])

# 第二步：加载权重文件（路径为权重文件所在的目录）
model.load_weights('./')

# 第三步：转换为TFLite格式
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()

# 保存结果
with open('converted_model.tflite', 'wb') as f:
    f.write(tflite_model)

内容的提问来源于stack exchange，提问作者user20035360