如何通过Python API从Google AutoML Vision导出tflite模型

功能移除说明 #

Google并未移除AutoML Vision的tflite导出功能。仅边缘优化型图像分类模型支持导出tflite格式，云端部署型模型默认仅提供云端API调用能力，不开放本地格式导出权限，这就是你在控制台「Test & Use」页面看不到tflite导出选项的原因。

你收到的400 Unsupported model export format [tflite] for model报错核心原因是：已完成训练的模型属于云端部署类型，不支持tflite导出，和导出阶段的output_config配置无关。

代码修改及操作步骤 #

• 注意：模型类型是训练启动前的配置项，训练完成后无法修改，需要重新训练符合要求的模型才能导出tflite。
• 支持tflite导出的AutoML图像分类模型类型如下：
  • mobile-low-latency-1（低延迟移动端模型）
  • mobile-versatile-1（均衡型移动端模型，你当前选用的类型本身符合要求）
  • mobile-high-accuracy-1（高精度移动端模型）
• 训练阶段完整配置参考（旧版AutoML Python API）：

from google.cloud import automl

# 基础参数配置
client = automl.AutoMlClient()
project_id = "你的GCP项目ID"
location = "us-central1"
dataset_id = "已标注的图像分类数据集ID"
model_display_name = "自定义模型名称"

# 训练前配置边缘模型元数据
model_metadata = automl.ImageClassificationModelMetadata(
    train_budget_milli_node_hours = 20000, # 单位为千分之一节点小时，最小取值1000对应1小时训练时长
    model_type = "mobile-versatile-1"
)

# 组装训练请求参数
model = {
    "display_name": model_display_name,
    "dataset_id": dataset_id,
    "image_classification_model_metadata": model_metadata
}

parent = f"projects/{project_id}/locations/{location}"
# 启动异步训练
training_operation = client.create_model(parent=parent, model=model)
print(f"训练作业ID：{training_operation.operation.name}")
# 等待训练完成
training_operation.result()

• 模型训练完成后的导出配置和你原有代码一致，无需调整：

# 替换为训练完成的模型完整资源ID
model_full_id = "projects/[项目ID]/locations/[区域]/models/[模型ID]"

output_config = automl.ModelExportOutputConfig(
    gcs_destination = {"output_uri_prefix": "gs://你的GCS存储桶导出路径"},
    model_format = "tflite"
)

# 启动导出
export_operation = client.export_model(name=model_full_id, output_config=output_config)
# 等待导出完成后即可在指定GCS路径获取tflite文件
export_operation.result()

• 如果你使用的是已经迁移到Vertex AI平台的新版AutoML服务，替换为Vertex AI Python客户端，将模型类型指定为边缘优化类即可，导出逻辑基本一致。

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