Конвертер в TensorFlow

Если модель нужна на устройстве с ограниченной памятью, её переводят в компактный формат. Класс TFLiteConverter строит такой файл из объекта Keras через метод from_keras_model.

Создадим маленькую цепочку, один раз вызовем её для фиксации формы и получим массив байтов:

import tensorflow as tf

tf.keras.utils.set_random_seed(0)
model = tf.keras.Sequential([
	tf.keras.layers.Dense(
		1, input_shape=(2,)
	),
])
model(tf.constant([[0.5, 1.0]]))
converter = (
	tf.lite.TFLiteConverter.from_keras_model(
		model
	)
)
tflite_model = converter.convert()
print(type(tflite_model).__name__)
# выведет bytes

Результат конвертации можно сохранить в файл или передать интерпретатору. Проверим, что буфер не пустой:

import tensorflow as tf

tf.keras.utils.set_random_seed(0)
model = tf.keras.Sequential([
	tf.keras.layers.Dense(
		2, input_shape=(3,)
	),
	tf.keras.layers.Dense(1),
])
model(tf.constant([[1.0, 0.0, -1.0]]))
converter = (
	tf.lite.TFLiteConverter.from_keras_model(
		model
	)
)
tflite_model = converter.convert()
print(len(tflite_model) > 0)
# выведет True

Соберите цепочку с одним выходом для двух признаков. Получите из неё lite-буфер и выведите тип этого объекта.

Подготовьте модель: вход длины 3, скрытый блок на 2 числа, один выход. Переведите её в байты и выведите, больше ли длина буфера нуля.

Создайте полносвязную сеть для одного признака и ответа 1. После одного прогона сформируйте компактный файл в памяти и выведите его размер в байтах.