raspberry pi 1でtensorflow lite その4

3043 ワード
RaspberryPi1 tflite XOR TensorflowLite XOR テキストリンク

概要

raspberry pi 1でtensorflow liteやってみた。
tfliteファイルを作ってみた。
sessionから作ってみた。
データセットは、xor.

環境

tensorflow 1.12

モデルを学習してsessionをtfliteファイルに変換する。

import tensorflow as tf
import tensorflow.contrib.lite as lite
import numpy as np

X = [[0, 0], [0, 1], [1, 0], [1, 1]]
Y = [[1, 0], [0, 1], [0, 1], [1, 0]]
x = tf.placeholder(tf.float32, shape = [None, 2], name = "input")
y = tf.placeholder(tf.float32, shape = [None, 2], name = "output")
w1 = tf.Variable(tf.random_uniform([2, 2], -1, 1, seed = 0))
w2 = tf.Variable(tf.random_uniform([2, 2], -1, 1, seed = 0))
b1 = tf.Variable(tf.zeros([2]))
b2 = tf.Variable(tf.zeros([2]))
h1 = tf.sigmoid(tf.matmul(x, w1) + b1)
h2 = tf.nn.softmax(tf.matmul(h1, w2) + b2)
cost = -tf.reduce_sum(y * tf.log(h2))
opti = tf.train.GradientDescentOptimizer(0.1).minimize(cost)
with tf.Session() as sess:
  sess.run(tf.initialize_all_variables())
  for i in range(10000):
    sess.run(opti, feed_dict = {
      x: X,
      y: Y
    })
  for i in [[1, 1], [1, 0], [0, 1], [0, 0]]:
    print (i, sess.run(h2, feed_dict = {
      x: [i],
    }))
  converter = lite.TFLiteConverter.from_session(sess, [x], [h2])
  tflite_model = converter.convert()
  open("xor1_model.tflite", "wb").write(tflite_model)

tfliteファイルを用いて、検証する。

import numpy as np
import tensorflow as tf
import tensorflow.contrib.lite as lite

interpreter = lite.Interpreter(model_path = "xor1_model.tflite")
interpreter.allocate_tensors()
input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()
print (input_details)
print (output_details)
input_shape = input_details[0]['shape']
input_data = np.array([[0.0, 0.0]], dtype = np.float32)
print(input_data)
interpreter.set_tensor(input_details[0]['index'], input_data)
interpreter.invoke()
output_data = interpreter.get_tensor(output_details[0]['index'])
print (output_data)
input_data = np.array([[1.0, 0.0]], dtype = np.float32)
print(input_data)
interpreter.set_tensor(input_details[0]['index'], input_data)
interpreter.invoke()
output_data = interpreter.get_tensor(output_details[0]['index'])
print (output_data)
input_data = np.array([[0.0, 1.0]], dtype = np.float32)
print(input_data)
interpreter.set_tensor(input_details[0]['index'], input_data)
interpreter.invoke()
output_data = interpreter.get_tensor(output_details[0]['index'])
print (output_data)
input_data = np.array([[1.0, 1.0]], dtype = np.float32)
print(input_data)
interpreter.set_tensor(input_details[0]['index'], input_data)
interpreter.invoke()
output_data = interpreter.get_tensor(output_details[0]['index'])
print (output_data)

以上。