Cómo ejecutar un modelo tf.lite en un Raspberry Pi en lugar de un modelo Keras guardado.

Estoy intentando clasificar señales de tráfico utilizando una Raspberry Pi, para esto entrené y guardé un modelo Keras en un archivo .h5, pero consume demasiada CPU, así que lo convertí a un modelo .tflite e intenté ejecutarlo. Sin embargo, me da este error “OSError: El archivo SavedModel no existe en: yourmodel.tflite/{saved_model.pbtxt|saved_model.pb}” Verifiqué la ruta, aquí está mi código.
También cambié esa línea: “model = tensorflow.keras.models.load_model(‘my_model.h5’)” a “model = tensorflow.keras.models.load_model(‘yourmodel.tflite’)”

import numpy as np
import cv2
import tensorflow
from tensorflow import keras
from tensorflow.keras.preprocessing import image

# RESOLUCIÓN DE LA CÁMARA
frameWidth = 600         
frameHeight = 480
brightness = 180
threshold = 0.75         # UMBRAL DE PROBABILIDAD
font = cv2.FONT_HERSHEY_SIMPLEX

# CONFIGURACIÓN DE LA CÁMARA DE VÍDEO
cap = cv2.VideoCapture(0)
cap.set(3, frameWidth)
cap.set(4, frameHeight)
cap.set(10, brightness)
cap.set(cv2.CAP_PROP_FPS, 3)

# IMPORTAR EL MODELO ENTRENADO
model = tensorflow.keras.models.load_model("yourmodel.tflite")

def equalize(img):
    img = cv2.equalizeHist(img)
    return img
def grayscale(img):
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    return img
def preprocessing(img):
    img = grayscale(img)
    img = equalize(img)
    img = img/255
    return img

def getClassName(classNo):
    if classNo == 0: return 'Límite de velocidad 20 km/h'
    elif classNo == 9: return 'Prohibido adelantar'
    elif classNo == 12: return 'Carretera prioritaria'
    elif classNo == 13: return 'Ceda el paso'
    elif classNo == 14: return 'Alto'
    elif classNo == 38: return 'Manténgase a la derecha'
    elif classNo == 39: return 'Manténgase a la izquierda'

while True:
    success, imgOrignal = cap.read()
    img = np.asarray(imgOrignal)
    img = preprocessing(img)
    cv2.imshow("Imagen procesada", img)
    img = img.reshape(1, 32, 32, 1)
    cv2.putText(imgOrignal, "CLASE: " , (20, 35), font, 0.75, (0, 0, 255), 2, cv2.LINE_AA)
    cv2.putText(imgOrignal, "PROBABILIDAD: ", (20, 75), font, 0.75, (0, 0, 255), 2, cv2.LINE_AA)

    # PREDICCIONES DE LA IMAGEN
    predictions = model.predict(img)
    classIndex = model.predict_classes(img)
    probabilityValue = np.amax(predictions)

    if probabilityValue > threshold:
        print(getClassName(classIndex))
        cv2.putText(imgOrignal,str(classIndex)+" "+str(getClassName(classIndex)), (120, 35), font, 0.75, (0, 0, 255), 2, cv2.LINE_AA)
        cv2.putText(imgOrignal, str(round(probabilityValue*100,2) )+"%", (180, 75), font, 0.75, (0, 0, 255), 2, cv2.LINE_AA)
        cv2.imshow("Resultado", imgOrignal)

        if cv2.waitKey(1) and 0xFF == ord('q'):
            break

cap.release()

cv2.destroyAllWindows()