補充 3｜🧠 TensorFlow Lite (TFLite) 教學入門指南

訓練模型（TensorFlow）
       ↓
轉換為 .tflite（使用 TFLite Converter）
       ↓
部署至行動裝置 / IoT / 嵌入式系統
       ↓
使用 TFLite Interpreter 做推論

pip install tensorflow

import tensorflow as tf

converter = tf.lite.TFLiteConverter.from_saved_model("my_model")  # 資料夾
tflite_model = converter.convert()

# 儲存為 .tflite 檔
with open("model.tflite", "wb") as f:
    f.write(tflite_model)

model = tf.keras.models.load_model("model.h5")
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()

pip install tflite-runtime

import numpy as np
import tflite_runtime.interpreter as tflite

# 載入模型
interpreter = tflite.Interpreter(model_path="model.tflite")
interpreter.allocate_tensors()

# 取得輸入 / 輸出資訊
input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()

# 模擬一筆輸入資料
input_data = np.array([[0.1, 0.2, 0.3]], dtype=np.float32)

# 輸入資料
interpreter.set_tensor(input_details[0]['index'], input_data)
interpreter.invoke()

# 取得輸出
output_data = interpreter.get_tensor(output_details[0]['index'])
print(output_data)

converter.optimizations = [tf.lite.Optimize.DEFAULT]
tflite_model = converter.convert()

pip install tflite-runtime