# UROP project 2주차
# Tensorflow lite의 workflow
*.fbs file(schema file)을 통해 model 에서 binary file 로 바꾼다(.tflite)
* 이 부분은 TFLiteConverter pythonAPI에 포함이 되어 있는 듯하다.
* 가급적 Post-training quantization 을 사용하라고 한다.
이렇게 해서 만들어진 .tflite를 *.h 또는 *.cc 파일로 만들어 준다(Convert to a C array).
xxd -i converted_model.tflite > model_data.cc # or model_data.h
include/ directory에 있는 header file 들을 사용하기 위해, compile 시 -iquote dir 옵션을 붙여준다.
file structure가 굉장히 복잡하다.
tensorflow/lite/chema/shema_generated.h : tflite::GetModel(bin
tensorflow/lite/micro/micro_interpreter.h : tflite::MicroInterpreter
... 등등을 조금씩 따라가 보았다.
Tensorflow lite - Developer workflow 를 보면 위의 파일들이 tensorflow에서 제공하는 Microcontroller 용 C++ library라는 것을 확인할 수 있다.
파일구조
tensorflow/tensorflow/lite/micro 이하
all_ops_resolver.h : operations used by the interpreter to run the model
micro_mutable_op_resolver.h : pulls in only the operations your model needs.
micro_error_reporter.h : ouputs debug information
micro_interpreter.h : handle and run models
# tflite visualization 사용을 위해서 bazel 파일 수정
visulize.py 실현 29.1 version으로 빌드 성공
# tensorflow lite micro c++ library 를 이용해서 컴파일 하기
일단 tensorflow lite c++ library의 objective file을 만들어야.
//tensorflow 보다 상위 디렉터리에서
make -f tensorflow/lite/micro/tools/make/Makefile
을 돌리고 나면 tensorflow/lite/micro/tools/make/gen/ 에 목적 파일을 모아놓은 디렉터리가 하나 새로 생성된다. 거기서 lib/libtensorflow-microlite.a를 링크해서 executable을 만들면 된다.
// 예를 들어 이런식..
g++ main_functions.o tensorflow/lite/micro/tools/make/gen/linux_x86_64/libtensorflow-microlite.a