TFLite模型终极开盲盒来啦！

NXP管管 · 发表于 2024-3-19 08:51:48

大家好！前两期的内容，不知道大家是不是都已经体验过了呢~

上期小编带着大家从源码开始编译了一个叫做flatc的小工具。可以用来实现对于TFLite模型格式的解析与生成。然后也带着大家，手动编辑了以下json文件，为模型添加了一个新的输出节点：

相信大家一定不想仅仅局限于手动编辑吧？那小编就满足大家的好奇心，继续给大家看看如何利用python脚本进行自动化编辑，用代码的方式，编译TFLite模型。

在开始前，先给大家介绍一下何谓JSON格式：

JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，基于JavaScriptJSON（JavaScript Object Notation）是一种轻量级的数据交换格式，基于JavaScript编程语言的一个子集。它的主要优点包括：

数据格式简单，易于读写

格式已压缩，占用带宽小

易于解析，客户端JavaScript可通过eval ()进行JSON数据的读取

支持多种语言，包括ActionScript, C, C#, ColdFusion, Java, JavaScript, Perl, PHP, Python, Ruby等服务器端语言，便于服务器端的解析

PHP-JSON和JSON-PHP已经存在PHP领域，偏于PHP序列化后的程序直接调用，PHP服务器端的对象、数组等能直接生成JSON格式，便于客户端的访问提取

JSON格式可直接为服务器端代码使用，极大简化了服务器端和客户端的代码开发量，且完成任务不变，并易于维护
与此同时，JSON也存在一些不足：

没有XML格式推广和使用的广泛性，没有XML的通用性

目前在Web Service中推广还属于初级阶段

好啦！书归正传，我们在使用python进行处理时就需要用到json库，使用方式很直接，同时为了保证都进来的json文件中的元素不会被打乱顺序，需要用到OrderedDict：

import json
from collections import OrderedDict

复制代码

接下来就是将json文件读取进来：

json_file = "./cifar10.json"
json_ctx = json.load(open(json_file), object_pairs_hook=OrderedDict)

复制代码

不过，此时直接进行读取，会报错：

这是因为flatc转换出来的json文件不太符合标准，需要进行一下修改：

import re
json_file = "./cifar10.json"
json_pad_file = "./cifar10_pad.json"
f = open(json_file, 'r+')
with open(json_pad_file, "w") as j:
for idx, i in enumerate(f.readlines()):
_word = re.search(".*?:", i)
if(_word):
s = _word.start()
e = _word.end()
word = i[s:e-1].strip()
i = i.replace(word, '"' + word + '"' )
j.write(i)
j.close()
f.close()
json_ctx = json.load(open(json_pad_file), object_pairs_hook=OrderedDict)

复制代码

这样一来，就可以成功打开了：

获取模型输出：

outputs_list = json_ctx['subgraphs'][0]['outputs']

复制代码

可以看到果然是我们上次所修改的0和11：

现在我们就可以直接进行修改，将输出变回去，只有一个0作为输出：

json_ctx['subgraphs'][0]['outputs'] = [0]

复制代码

重新保存json文件：

json_saved_file = "cifar10_new.json"
datas = json.dumps(json_ctx, ensure_ascii=False,indent=4)
with open(json_saved_file,'w+') as f:
f.write(datas)
f.close()

复制代码

利用flatc工具导出tflite格式，模型会保存成cifar10_new.tflite：

使用模型可视化工具将模型打开：

再检查下模型输入输出参数：

转换成功！这样我们就可以通过编写python脚本更加灵活的对TFLite格式文件进行处理。当然实际上是利用python的json库对json文件进行处理，间接实现改造TFLite文件的目的。

至此，全部TFLite模型的开盲盒体验就完结了。希望大家发挥想象，使TFLite模型成为自由可编辑的模型格式！加油！

阅读全文