1. TFLite环境搭建与模型转换入门

任务目标

在本案例中，你将完成TensorFlow Lite（TFLite）开发环境的搭建，并动手将一个简单的Keras全连接模型转换为TFLite格式。通过本案例，你将掌握TFLite模型转换的标准流程，为后续端侧AI部署打下基础。

环境依赖

需要Python 3.8~3.11环境，并安装以下依赖（建议使用虚拟环境）：

pip install tensorflow==2.13.0

TFLite转换器已包含在TensorFlow中，无需单独安装。验证安装：

python -c "import tensorflow as tf; print(tf.__version__)"

完整实现代码

以下代码完成：创建并训练一个简单的Keras模型 → 转换为TFLite格式 → 验证转换结果。将代码保存为 convert_tflite.py：

import tensorflow as tf
import numpy as np

# 1. 创建并训练一个简单的Keras模型（用于演示转换流程）
model = tf.keras.Sequential([
    tf.keras.layers.Dense(16, activation='relu', input_shape=(4,)),
    tf.keras.layers.Dense(3, activation='softmax')
])

model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

# 生成少量随机训练数据（仅用于演示，不追求精度）
x_train = np.random.rand(100, 4).astype(np.float32)
y_train = tf.keras.utils.to_categorical(np.random.randint(0, 3, 100), 3)

model.fit(x_train, y_train, epochs=2, verbose=0)

# 2. 转换为TFLite格式
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()

# 3. 保存TFLite模型
with open('model.tflite', 'wb') as f:
    f.write(tflite_model)

print("转换完成，模型大小: {} bytes".format(len(tflite_model)))

# 4. 验证转换后的模型
interpreter = tf.lite.Interpreter(model_path='model.tflite')
interpreter.allocate_tensors()

# 获取输入输出详情
input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()

print("输入shape:", input_details[0]['shape'])
print("输出shape:", output_details[0]['shape'])

# 用随机输入测试推理
test_input = np.random.rand(1, 4).astype(np.float32)
interpreter.set_tensor(input_details[0]['index'], test_input)
interpreter.invoke()
output = interpreter.get_tensor(output_details[0]['index'])
print("推理输出shape:", output.shape, "输出值:", output)

运行与验证

执行以下命令运行脚本：

python convert_tflite.py

通过条件：满足以下全部条件即判定案例通过：

1. 脚本无报错执行完毕，输出转换完成信息；
2. 当前目录生成model.tflite文件；
3. 验证部分输出的输入shape为[1 4]，输出shape为[1 3]；
4. 推理输出包含3个概率值（softmax输出），且数值在0~1之间。

常见问题

• 版本兼容问题：若使用TensorFlow 2.16及以上版本，tf.lite.TFLiteConverter.from_keras_model接口不变，但建议使用2.13.0以保证最佳兼容性。
• 模型输入shape：转换后TFLite模型的输入shape为[1, 4]，其中第一维为batch size，推理时需固定为1。