时间戳

首页 > 解决方案 > Android TensorFlow Lite 解释器：如何修复“DataType 错误：无法解析 java.lang.Float 的 DataType”

java - Android TensorFlow Lite 解释器：如何修复“DataType 错误：无法解析 java.lang.Float 的 DataType”

问题描述

在运行 TFLite 解释器时，将包含浮点数的 ByteBuffer 作为输入，应用程序会抛出异常：

“数据类型错误：无法解析 java.lang.Float 的数据类型”

模型本身在 Keras 上进行训练，然后转换为 TF，然后转换为 TFLite。

对于转换，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=浮点数

除了 ByteBuffer，我还手动创建了一个 float[][][][] 数组，其尺寸预期由模型输入：[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;
    }

我期望 [0,1] 范围内的单个浮点值作为输出。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”

标签： javaandroidtensorflowtensorflow-lite

解决方案

我自己从未使用过用于 Java 的 TF-Lite。但是，根据docs， 的两个参数tflite.run()都必须是张量。但是对于output论点，您只传递了一个float。所以，我很确定这是您的错误“无法解析 java.lang.Float 的 DataType”的根本原因。

注意：同样根据文档，支持数据类型（ , , , ）的rawByteBuffer和多维数组。因此，您的两种方法都应该有效。你只需要对输出做同样的事情。floatintlongbyteByteBufferfloat[][][][]

推荐阅读