mnist数据集
tensorflow训练模型ckpt->pb
pb转tflite
tflite转kmodel
转换工具Maix_Toolbox环境搭建

模型转换示意图

ckpt  ->  pb  <->  tflite  ->  kmodel
 ∧     / ∧
 |    /   |
 ∨  ∨   ∨
 graph   pbtxt

ckpt->|->pb->tflite->kmodel
h5----/

文件后缀说明

model.ckpt.meta保存计算图的结构，即神经网络的结构
checkpoint保存目录下所有的模型文件列表
ckpt保存程序中每个变量的取值
.data文件为模型中的训练变量

环境：

ubuntu18.04LTS
python3.6.8
tensorflow-1.14.0
keras-2.2.5
Sipeed MAIX系列开发板

训练模型示例：

https://github.com/sipeed/Maix-TF-workspace

下载安装工具：

Maix_Toolbox:收集了常用格式转换的脚本程序
https://github.com/sipeed/Maix_Toolbox
下载nncase工具箱:
TFlite模型转换为K210的模型格式，需要借助嘉楠的nncase工具箱。
若网络情况好……运行Maix_Toolbox中的get_nncase.sh 脚本，自动从github下载nncase的linux的编译好的二进制文件
若网络情况不好……
将get_nncase.sh 脚本内的wget https://github.com/kendryte/nncase/releases/download/v0.1.0-rc5/ncc-linux-x86_64.tar.xz
修改为wget https://gitee.com/cnbright/nncase/attach_files/267069/download
换到码云的下载地址
也可以直接在这个地址下载，再在Maix_Toolbox内新建文件夹ncc，并解压到此处

tensorflow模型间转换，生成pb文件

ckpt->pb: ckpt2pb.py (.ckpt模型文件转变换.pb模型文件)
h5-pb: keras_to_tensorflow.py (.h5模型文件转变换.pb模型文件)

使用tensorboard显示pb模型图结构

把pb文件放到workspace文件夹下
gen_pb_graph.py
python gen_pb_graph.py workspace/mnist.pb
测试通过给出的地址可以在网页上看到模型结构
可以看到输入节点名为“inputs”，输出节点名为“output”

pb转换tflite

pb->tflite: pb2tflite.sh

bash pb2tflite.sh workspace/mnist.pb
执行后会询问以下信息：
1. pb file name:(do not include workspace) (pb模型名字)
mnist.pb
2. input_arrays name:(输入节点名字)
inputs
3. output_arrays name:(输出节点名字)
output
4. input width:(输入图像宽度)
28
5. input height:(输入图像高度)
28
6. input channel:(图像通道)
1

之后会生成.tflite
TFlite模型在转换为K210模型的时候，会对原来的网络结构进行量化quantization, 量化会将原来网络中的浮点运算转化为8比特整数运算，起到压缩模型尺寸与加速的目的。线性激活函数, relu激活函数, relu6激活函数等均可以转换为等价的量化运算。

tflite转换kmodel

tflite->kmodel: tflite2kmodel.sh

1	bash tflite2kmodel.sh workspace/mnist.tflite

这时在workspace下生成了mnist.kmodel

kflash烧录kmodel到k210

用kflash烧录.kmodel文件,地址填写: (比如0x300000)

之后此地址就是micropython调用用到的地址

1	task = kpu.load(0x300000)

参考

https://bbs.sipeed.com/t/topic/569

https://blog.csdn.net/dby_bright/article/details/99779311