結論

Tensorflow Lite Converter を使用する。
Tensorflow Lite Converterとは、訓練済みのモデルをTensorflow Lite モデルに変換するツールのこと。

変換の流れをざっくり説明

モデルを変換する手順を以下の図に示す。
TensorFlow Lite 形式に変換するときは、ML モデル(変換前のモデル)の内容に応じて大きく3つのフローに分かれることを抑えておくと良い。

1直接変換
2モデルをリファクタリングしてから変換
3高度な変換手法を使用して変換

図 1. TensorFlow Lite 変換ワークフロー。
引用：Tensorflow公式: モデル変換の概要
基本的には1直接変換できるのだが、稀に2,3のように追加の手順が必要なことがある。変換したいモデルに追加手順が必要かどうかは、オペレーター互換性をみるとわかる。

変換可能なモデルの形式

SavedModel (推奨): ディスク上にファイルのセットとして保存された TensorFlow モデル。
特記：SavedModel は TensorFlow のトレーニング済みモデルまたはモデルピース用の標準的なシリアル化形式のこと。学習済みの重みや計算を実行するためのTensorFlow 演算が含んでいる。言語に依存することなく推論を行うことが可能。
Keras モデル: 高レベルの Keras API を使用して作成されたモデル。
Keras H5 形式: Keras API でサポートされる SavedModel 形式の軽量代替形式。
具体的な関数から構築されたモデル: 低レベルの TensorFlow API を使用して作成されたモデル。

モデルを変換してみる !

Tensorflow Lite Converterは、TensorFlow モデルを受け取り、TensorFlow Lite モデルを生成できる。SavedModel をロードすることも、コードで作成したモデルを直接変換することもできる。

1. やり方を確認

→推奨されている SavedModel の変換を行う

import tensorflow as tf

# モデルをコンバートする
# saved_model_dirは変換したいモデルのディレクトリ
converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir) 
tflite_model = converter.convert()

# 変換したモデルを保存する
with open('model.tflite', 'wb') as f:  f.write(tflite_model)

Tensorflow公式: TensorFlowモデルを変換する

2. 実際にやってみる

今回は、色々な学習済みモデルがダウンロードできるTensorFlow Hubから
物体・骨格検知モデルのCenterNetをダウンロードして、そちらをTensorflow lite モデルに変換する。

(1)TensorFlow Hub からローカルにダウンロードする。

ローカルにダウンロードして解凍すると、以下のような構成になっている。
.pd ファイルがモデルファイル。

(2)変換する

実装

convert.py

import tensorflow as tf

input_dir = ".\\centernet"

converter = tf.lite.TFLiteConverter.from_saved_model(input_dir)
tflite_model = converter.convert()

open(".\\output_dir\\converted_model.tflite", "wb").write(tflite_model)

実行結果

output_dirに Tensorflow lite モデルに変換されたモデルファイル(.tfliteファイル)が出力されているのがわかる。無事に変換できた。