运行TFLite解释器时,输入包含浮点数的ByteBuffer作为输入,应用程序将引发异常:
“数据类型错误:无法解析java.lang.Float的数据类型”
模型本身是在Keras上训练的,然后转换为TF,然后转换为TFLite。
为了进行转换,我使用了TF(1.5.0版)toco转换器。
toco的输入参数:
toco --input_file = converted.pb --output_file = model.tflite --input_format = TENSORFLOW_GRAPHDEF --input_shape = 1,224,224,3 --input_array = main_input --output_array = main_output / Sigmoid --inference_type = FLOAT --output_format = TFLITE --input_type = FLOAT
我还手动创建了一个float [] [] [] [] []数组,代替了ByteBuffer,该数组的尺寸应作为模型的输入:[1,224,224,3]
导致与ByteBuffer相同的错误。
请注意,我将浮点数除以255,以获得[0,1]范围内的像素值。
import org.tensorflow.lite.Interpreter;
import java.nio.ByteBuffer;
public Interpreter tflite;
tflite = new Interpreter(loadModelFile(Test_TFLite.this,modelFile));
ByteBuffer bytebuffer_float = convertBitmapToByteBuffer_float(image, 1,
224, 3);
float out = 0;
tflite.run(bytebuffer_float,out);
private ByteBuffer convertBitmapToByteBuffer_float(Bitmap bitmap, int
BATCH_SIZE, int inputSize, int PIXEL_SIZE) {
ByteBuffer byteBuffer = ByteBuffer.allocateDirect(4 * BATCH_SIZE *
inputSize * inputSize * PIXEL_SIZE); //float_size = 4 bytes
byteBuffer.order(ByteOrder.nativeOrder());
int[] intValues = new int[inputSize * inputSize];
bitmap.getPixels(intValues, 0, bitmap.getWidth(), 0, 0,
bitmap.getWidth(), bitmap.getHeight());
int pixel = 0;
for (int i = 0; i < inputSize; ++i) {
for (int j = 0; j < inputSize; ++j) {
final int val = intValues[pixel++];
byteBuffer.putFloat( ((val >> 16) & 0xFF)* (1.f/255.f));
byteBuffer.putFloat( ((val >> 8) & 0xFF)* (1.f/255.f));
byteBuffer.putFloat( (val & 0xFF)* (1.f/255.f));
}
}
return byteBuffer;
}
我希望将单个浮点值在[0,1]范围内作为输出。由于解释器抛出异常,因此没有实际输出。
“数据类型错误:无法解析java.lang.Float的数据类型”
答案 0 :(得分:1)
我自己从未使用过TF-Lite用于Java。
但是,根据docs,tflite.run()
的两个参数都必须是张量。但是对于output
参数,您只传递了一个float
。因此,我很确定这是您错误“无法解析java.lang.Float的数据类型”的根本原因。
注意:同样根据文档,原始ByteBuffer
以及支持的数据类型(float
,int
,long
,{{1 }})受支持。因此,您的两种方法byte
和ByteBuffer
都应该起作用。您只需对输出执行相同的操作。