导出到 TFLite
TensorFlow Lite 是一个轻量级的框架，用于在资源受限的设备（如手机、嵌入式系统和物联网 (IoT) 设备）上部署机器学习模型。TFLite 旨在优化和高效运行这些计算能力、内存和功耗有限的设备上的模型。TensorFlow Lite 模型以一种特殊的、高效的、便携的格式表示，该格式由 .tflite 文件扩展名标识。
🤗 Optimum 提供了通过 exporters.tflite 模块将 🤗 Transformers 模型导出到 TFLite 的功能。有关支持的模型架构列表，请参阅 🤗 Optimum 文档。
要将模型导出到 TFLite，请安装所需的依赖项
pip install optimum[exporters-tf]
要查看所有可用的参数，请参阅 🤗 Optimum 文档，或在命令行中查看帮助
optimum-cli export tflite --help要导出 🤗 Hub 上的模型检查点，例如 google-bert/bert-base-uncased，请运行以下命令
optimum-cli export tflite --model google-bert/bert-base-uncased --sequence_length 128 bert_tflite/您应该会看到指示进度并显示生成的 model.tflite 保存位置的日志，如下所示
Validating TFLite model...
-[✓] TFLite model output names match reference model (logits)
- Validating TFLite Model output "logits":
-[✓] (1, 128, 30522) matches (1, 128, 30522)
-[x] values not close enough, max diff: 5.817413330078125e-05 (atol: 1e-05)
The TensorFlow Lite export succeeded with the warning: The maximum absolute difference between the output of the reference model and the TFLite exported model is not within the set tolerance 1e-05:
- logits: max diff = 5.817413330078125e-05.
The exported model was saved at: bert_tflite以上示例说明了如何从 🤗 Hub 导出检查点。导出本地模型时，首先确保您将模型的权重和分词器文件保存在同一目录 (local_path) 中。使用 CLI 时，将 local_path 传递给 model 参数，而不是 🤗 Hub 上的检查点名称。