Transformers 文档

导出到 TFLite

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

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。

< > 更新 在 GitHub 上