导出为 TFLite

TensorFlow Lite 是一个轻量级框架，用于资源受限的设备上，如手机、嵌入式系统和物联网（IoT）设备，部署机器学习模型。TFLite 旨在在计算能力、内存和功耗有限的设备上优化和高效运行模型。模型以一种特殊的高效可移植格式表示，其文件扩展名为 .tflite。

🤗 Optimum 通过 exporters.tflite 模块提供将 🤗 Transformers 模型导出至 TFLite 格式的功能。请参考 🤗 Optimum 文档 以获取支持的模型架构列表。

要将模型导出为 TFLite 格式，请安装所需的依赖项：

pip install optimum[exporters-tf]

请参阅 🤗 Optimum 文档 以查看所有可用参数，或者在命令行中查看帮助：

optimum-cli export tflite --help

运行以下命令，以从 🤗 Hub 导出模型的检查点（checkpoint），以 bert-base-uncased 为例：

optimum-cli export tflite --model bert-base-uncased --sequence_length 128 bert_tflite/

你应该能在日志中看到导出进度以及生成的 model.tflite 文件的保存位置，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

上面的示例说明了从 🤗 Hub 导出检查点的过程。导出本地模型时，首先需要确保将模型的权重和分词器文件保存在同一目录（local_path）中。在使用 CLI（命令行）时，将 local_path 传递给 model 参数，而不是 🤗 Hub 上的检查点名称。

---

最后更新: November 25, 2023
创建日期: November 25, 2023