変換済みモデル（Hayao,Paprika）GitHubリンク
8.6MBの軽量モデル。
グラフをpbtxt形式で保存します。
test.py
tf.train.write_graph(sess.graph_def, './', 'animegan.pbtxt')
アウトプットノードの名前を調べます。
test.py
graph = sess.graph
print([node.name for node in graph.as_graph_def().node])
凍結グラフを作ります。
from tensorflow.python.tools.freeze_graph import freeze_graph
import tfcoreml
graph_def_file = 'animegan.pbtxt'
checkpoint_file = 'checkpoint/generator_Hayao_weight/Hayao-64.ckpt'
frozen_model_file = './frozen_model.pb'
output_node_names = 'generator/G_MODEL/out_layer/Tanh'
freeze_graph(input_graph=graph_def_file,
input_saver="",
input_binary=False,
input_checkpoint=checkpoint_file,
output_node_names=output_node_names,
restore_op_name="save/restore_all",
filename_tensor_name="save/Const:0",
output_graph=frozen_model_file,
clear_devices=True,
initializer_nodes="")
変換します。
input_tensor_shapes = {'test:0':[1, 256, 256, 3]} # batch size is 1
# Output CoreML model path
coreml_model_file = './animegan.mlmodel'
output_tensor_names = ['generator/G_MODEL/out_layer/Tanh:0']
# Call the converter
coreml_model = tfcoreml.convert(
tf_model_path='frozen_model.pb',
mlmodel_path=coreml_model_file,
input_name_shape_dict=input_tensor_shapes,
output_feature_names=output_tensor_names,
image_input_names='test:0',
red_bias=-1,
green_bias=-1,
blue_bias=-1,
image_scale=2/255,
minimum_ios_deployment_target='12'
)
CoreGANContainerを使うと、モデルをプロジェクトにドロップするだけで使えます。
Core MLを使ったアプリを作っています。
機械学習関連の情報を発信しています。