0

我正在开发一个需要 ML 模型集成的 Android 应用程序。为此，我使用 TensorFlow lite 进行部署。我使用基于自定义模型的连体网络进行输出，输出形状为 [1 128]。当我推断 tf lite 模型时在 Google Colab 上的 python 中，输出 [1 128] 数字与我的 Android 设备上生成的数字不同。输入图像在推理以及输入和输出形状上都是相同的，但我仍然在我的 Android 上得到不同的输出向量电话和 Python TFlite 模型。我正在使用 Firebase 机器学习。

安卓代码

  val interpreter=Interpreter(model)
                  val imageBitmap= Bitmap.createScaledBitmap(BitmapFactory.decodeFileDescriptor(contentResolver.openFileDescriptor(fileUri,"r")?.fileDescriptor),256,256,true)
                  val inputImage=ByteBuffer.allocateDirect(256*256*3*4).order(ByteOrder.nativeOrder())
                  for(ycord in 0 until 256){
                      for(xcord in 0 until 256){
                          val pixel=imageBitmap.getPixel(xcord,ycord)
                          inputImage.putFloat(Color.red(pixel)/1.0f)
                          inputImage.putFloat(Color.green(pixel)/1.0f)
                          inputImage.putFloat(Color.blue(pixel)/1.0f)
                      }
                  }
                  imageBitmap.recycle()
                  val modelOutput=ByteBuffer.allocateDirect(outputSize).order(ByteOrder.nativeOrder())
                  interpreter.run(inputImage,modelOutput)
                  modelOutput.rewind()
                  val probs=modelOutput.asFloatBuffer()
                  success(ImageProcessResult.Success(probs))

请帮助我。我很快就需要它。感谢任何帮助

4

1 回答 1

1

您正在 Android 平台中将位图的大小调整为 [256,256]。

即使输入向量的最轻微变化也会改变输出向量。调整位图大小时，会更改输入矢量。但是，如果模型足够通用，则输出向量（分类中）的 argmax 的最终结果将是相同的。

在 Siamese 的情况下，如果模型没有过度拟合，我相信它不会以有意义的方式影响最终结果（相似度得分）。

于 2021-02-03T12:35:51.143 回答