Optimum 文件
匯出函式
加入 Hugging Face 社群
並獲得增強的文件體驗
開始使用
匯出函式
主要函式
optimum.exporters.tflite.export
< 來源 >( model: TFPreTrainedModel config: TFLiteConfig output: Path task: typing.Optional[str] = None preprocessor: typing.Union[transformers.tokenization_utils_base.PreTrainedTokenizerBase, transformers.image_processing_utils.BaseImageProcessor, NoneType] = None quantization_config: typing.Optional[ForwardRef('TFLiteQuantizationConfig')] = None ) → Tuple[List[str], List[str]]
引數
- model (
TFPreTrainedModel) — 要匯出的模型。 - config (TFLiteConfig) — 與匯出模型關聯的 TFLite 配置。
- output (
Path) — 儲存匯出的 TFLite 模型的目錄。 - task (
Optional[str], 預設為None) — 模型的任務。如果未指定，將自動推斷任務。僅靜態量化需要。 - preprocessor (
Optional[Preprocessor], 預設為None) — 與模型關聯的預處理器。用於在校準期間將資料饋送給模型之前對資料集進行預處理。 - quantization_config (
Optional[TFLiteQuantizationConfig], 預設為None) — 包含執行量化所需所有資訊的資料類。
返回
Tuple[List[str], List[str]]
一個元組，包含模型輸入有序列表，以及 TFLite 配置中的命名輸入。
將 TensorFlow 模型匯出為 TensorFlow Lite 模型。
實用函式
optimum.exporters.tflite.validate_model_outputs
< 原始碼 >( config: TFLiteConfig reference_model: TFPreTrainedModel tflite_model_path: Path tflite_named_outputs: typing.List[str] atol: typing.Optional[float] = None )
引數
- config (TFLiteConfig — 用於匯出模型的配置。
- reference_model (
~TFPreTrainedModel) — 用於匯出的模型。 - tflite_model_path (
Path) — 匯出模型的路徑。 - tflite_named_outputs (
List[str]) — 要檢查的輸出名稱。 - atol (
Optional[float], 預設為None) — 參考模型和匯出模型之間輸出差異的絕對容差。
引發
ValueError
ValueError— 如果參考模型和匯出模型之間的輸出形狀或值不匹配。
透過檢查參考模型和匯出模型的輸出是否匹配來驗證匯出。