前言：移动端的模型迁移最基本的就是生成tflite文件，以本文记录一次转换过程。
之前的文章转换的比较老的yolo.weights，发现yolov2-tiny.h5是可以直接用tflite-convert 工具直接转行成功 参考https://github.com/qqwweee/keras-yolo3
-------
env
1. tensorflow 1.11.0
2. python 3.5.2
3. h5 model saved by `model.save('tf.h5')`
直接转换
`tflite_convert --output_file=tf.tflite --keras_model_file=tf.h5`
output
`TypeError: __init__() missing 2 required positional arguments: 'filters' and 'kernel_size'`
先转成pb再转tflite
```
git clone git@github.com:amir-abdi/keras_to_tensorflow.git
cd keras_to_tensorflow
python keras_to_tensorflow.py --input_model=path/to/tf.h5 --output_model=path/to/tf.pb
tflite_convert \
--output_file=tf.tflite \
--graph_def_file=tf.pb \
--input_arrays=convolution2d_1_input \
--output_arrays=dense_3/BiasAdd \
--input_shape=1,3,448,448
```
参数说明，input_arrays和output_arrays是model的起始输入变量名和结束变量名，input_shape是和input_arrays对应
官网是说需要用到tenorboard来查看，一个比较trick的方法
先执行上面的命令，会报convolution2d_1_input找不到，在堆栈里面有convert_saved_model.py文件，get_tensors_from_tensor_names()这个方法，添加`print(list(tensor_name_to_tensor))` 到 tensor_name_to_tensor 这个变量下面，再执行一遍，会打印出所有tensor的名字，再根据自己的模型很容易就能判断出实际的name。
