tfliteファイルの容量を少なくする

前提・実現したいこと

androidアプリ内でtfliteファイルを動かしたいと考えています。
ファイルサイズが大きすぎるためか、tensorflowの公式からダウンロードしたandroid studioのプロジェクト(https://github.com/tensorflow/examples/tree/master/lite/examples/image_classification/android)
は動いても、自分のtfliteファイルに置き換えて動かすと端末上で動かした時にアプリが落ちてしまいます。（終了を繰り返してしまう）

どのようにしたらファイルサイズを少なくして、落ちないようなアプリを作成することが出来るのでしょうか？（そもそも落ちる原因はファイルサイズなのでしょうか...?）

発生している問題

アプリが落ちてしまう。

###h5ファイルを作成した時のソースコード

※tfliteファイルに変換するのはチュートリアル通りに行いました。

Python
1import os
2from keras.applications.vgg16 import VGG16
3from keras.preprocessing.image import ImageDataGenerator
4from keras.models import Sequential, Model
5from keras.layers import Input, Activation, Dropout, Flatten, Dense
6from keras.preprocessing.image import ImageDataGenerator
7from keras import optimizers
8import numpy as np
9import time
10
11# 分類するクラス
12classes = ['arin', 'kanako', 'reni', 'shiori']
13nb_classes = len(classes)
14
15img_width, img_height = 150, 150
16
17# トレーニング用とバリデーション用の画像格納先
18train_data_dir = '/dataset/train'
19validation_data_dir = '/dataset/validation'
20
21
22nb_train_samples = 1438
23nb_validation_samples = 389
24
25batch_size = 16
26nb_epoch = 10
27
28
29result_dir = 'results'
30if not os.path.exists(result_dir):
31    os.mkdir(result_dir)
32
33
34def vgg_model_maker():
35    """ VGG16のモデルをFC層以外使用。FC層のみ作成して結合して用意する """
36
37    # VGG16のロード。FC層は不要なので include_top=False
38    input_tensor = Input(shape=(img_width, img_height, 3))
39    vgg16 = VGG16(include_top=False, weights='imagenet', input_tensor=input_tensor)
40
41    # FC層の作成
42    top_model = Sequential()
43    top_model.add(Flatten(input_shape=vgg16.output_shape[1:]))
44    top_model.add(Dense(256, activation='relu'))
45    top_model.add(Dropout(0.5))
46    top_model.add(Dense(nb_classes, activation='softmax'))
47
48    # VGG16とFC層を結合してモデルを作成
49    model = Model(input=vgg16.input, output=top_model(vgg16.output))
50
51    return model
52
53
54def image_generator():
55    """ ディレクトリ内の画像を読み込んでトレーニングデータとバリデーションデータの作成 """
56    train_datagen = ImageDataGenerator(
57        rescale=1.0 / 255,
58        zoom_range=0.2,
59        horizontal_flip=True)
60
61    validation_datagen = ImageDataGenerator(rescale=1.0 / 255)
62
63    train_generator = train_datagen.flow_from_directory(
64        train_data_dir,
65        target_size=(img_width, img_height),
66        color_mode='rgb',
67        classes=classes,
68        class_mode='categorical',
69        batch_size=batch_size,
70        shuffle=True)
71    """
72    rescale=1./255,
73                    rotation_range=45,
74                    width_shift_range=.15,
75                    height_shift_range=.15,
76                    horizontal_flip=True,
77                    zoom_range=0.5
78                    """
79                    """train_data_gen = image_gen_train.flow_from_directory(batch_size=batch_size,
80                                                     directory=train_dir,
81                                                     shuffle=True,
82                                                     target_size=(IMG_HEIGHT, IMG_WIDTH),
83                                                     class_mode='binary')
84                    """
85
86    validation_generator = validation_datagen.flow_from_directory(
87        validation_data_dir,
88        target_size=(img_width, img_height),
89        color_mode='rgb',
90        classes=classes,
91        class_mode='categorical',
92        batch_size=batch_size,
93        shuffle=True)
94
95    return (train_generator, validation_generator)
96
97
98if __name__ == '__main__':
99    start = time.time()
100
101    # モデル作成
102    vgg_model = vgg_model_maker()
103
104    # 最後のconv層の直前までの層をfreeze
105    for layer in vgg_model.layers[:15]:
106        layer.trainable = False
107
108    # 多クラス分類を指定
109    vgg_model.compile(loss='categorical_crossentropy',
110              optimizer=optimizers.SGD(lr=1e-3, momentum=0.9),
111              metrics=['accuracy'])
112
113    # 画像のジェネレータ生成
114    train_generator, validation_generator = image_generator()
115
116    # Fine-tuning
117    history = vgg_model.fit_generator(
118        train_generator,
119        samples_per_epoch=nb_train_samples,
120        nb_epoch=nb_epoch,
121        validation_data=validation_generator,
122        nb_val_samples=nb_validation_samples)
123
124    vgg_model.save(os.path.join(result_dir, 'finetuning new.h5'))
125
126    process_time = (time.time() - start) / 60
127    print(u'学習終了。かかった時間は', process_time, u'分です。')