将 TFLite (TensorFlow) 转换为 MLModel (Apple)

Question

我正在尝试将 TFLite Face Mesh 模型转换为 MLModel (Apple)。

TFLite 模型说明： https ://drive.google.com/file/d/1VFC_wIpw4O7xBOiTgUldl79d9LA-LsnA/view

TFLite 实际 .tflite 文件： https : //github.com/google/mediapipe/blob/master/mediapipe/models/face_landmark.tflite

纵观苹果提供CoreMLTools（ https://coremltools.readme.io/docs/introductory-quickstart ）好像它是可能的，但所有的样本代码从演示谈话Keras而不是从TFLite （尽管它明确支持）：

如何将 TFLite 模型转换为 MLModel 模型？

Answer 1

据我所知，没有从 TFLite 到 Core ML 的直接转换。 有人可以创建这样的转换器，但显然没有人拥有。

两种选择：

1. 自己做。 有一个 Python API 来读取 TFLite 文件（flatbuffers）和一个 API 来编写 Core ML 文件（coremltools 中的 NeuralNetworkBuilder）。 将 TFLite 模型的各个层一一遍历，将它们添加到 NeuralNetworkBuilder 中，然后另存为 .mlmodel 文件。

2. 让 TFLite 为您做这件事。 当您在 TFLite 中使用 CoreMLDelegate 时，它​​实际上会即时执行模型转换并保存一个 .mlmodel 文件（或编译版本，.mlmodelc）。 然后它使用 Core ML 来运行这个模型。 您可以编写一些代码来使用 CoreMLDelegate 使用 TFLite 加载模型，然后从应用程序包中获取它创建的 .mlmodel 文件并使用它。