张量流模型输出权重具有不同的值

Question

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暹罗网络进行输出，输出形状为[1 128]。当我在Google Colab上推断python中的tf lite模型时，输出[1 128]数字与我在Android设备上产生的数字不同。输入图像在两种推断以及输入和输出形状上都是相同的，但我在Android手机和Python TFlite模型上得到的输出向量仍然不同。我正在使用Firebase机器学习。

Android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))

请帮帮我。我很快就需要它。任何帮助是值得赞赏的

Answer 1

您正在 Android 平台中将位图的大小调整为 [256，256]。

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

在暹罗的情况下，我相信如果模型没有过拟合，它不会以有意义的方式影响最终结果（相似度分数）。