如何将Teachable Machine训练的PoseNet模型转为TFLite格式？

我之前正好解决过这个问题——Teachable Machine确实拿掉了PoseNet模型直接导出TFLite的功能，但咱们可以通过几步手动转换搞定，完全能适配Flutter应用，具体步骤如下：

• 第一步：导出TensorFlow.js格式的PoseNet模型
  打开你的Teachable Machine项目，进入「Export Model」选项，选择「TensorFlow.js」下载压缩包。解压后你会得到model.json和一系列权重分片文件（比如group1-shard1ofX.bin），把它们放在同一个本地文件夹里。

• 第二步：安装转换所需的工具
  确保你本地有Python环境，然后通过pip安装依赖：

  pip install tensorflow tensorflowjs
  

• 第三步：将TFJS模型转成TensorFlow SavedModel
  打开终端，切换到刚才解压模型的文件夹，运行这条命令：

  tensorflowjs_converter --input_format=tfjs_layers_model --output_format=tf_saved_model ./model.json ./saved_model
  

  执行完成后，当前目录会生成一个saved_model文件夹，里面是标准的TensorFlow SavedModel格式文件。

• 第四步：把SavedModel转换成TFLite模型
  这里用Python脚本更灵活，创建一个convert_to_tflite.py文件，内容如下：

  import tensorflow as tf
  
  # 加载SavedModel
  converter = tf.lite.TFLiteConverter.from_saved_model('./saved_model')
  # 开启默认优化（可选，能减小模型体积并提升运行速度）
  converter.optimizations = [tf.lite.Optimize.DEFAULT]
  # 执行转换
  tflite_model = converter.convert()
  
  # 保存最终的TFLite模型
  with open('pose_classifier.tflite', 'wb') as f:
      f.write(tflite_model)
  

  然后运行脚本：

  python convert_to_tflite.py
  

  跑完之后，你就能得到pose_classifier.tflite文件，这就是可以直接在Flutter里用的模型了。

• Flutter适配小提示

  • 推荐使用tflite_flutter插件加载模型，它对多平台的支持更稳定。
  • 输入图像的尺寸要和你在Teachable Machine训练时的尺寸保持一致（默认是256x256），并且要把像素值归一化到0-1区间，和训练时的预处理逻辑对齐。

内容的提问来源于stack exchange，提问作者nikJ