Tensorflow 模型输出权重具有不同的值

Question

我正在开发一个 Android 应用程序，它需要一个 ML 模型 integration.For 我正在使用 TensorFlow lite deployment.I 我正在使用基于自定义模型的 Siamese 网络进行输出和输出形状是 [1 128]。当我在 Google Colab 上推断 python 中的 tf lite 模型时，输出 [1128] 数字与我在 Android [=19 上生成的数字不同=] 输入图像在推论以及输入和输出形状上都是相同的，但我仍然在 Android Phone 和 Python TFlite model.I 上得到不同的输出向量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))

请帮助me.I需要它soon.Any感谢帮助

Answer 1

您正在 Android 平台中将位图大小调整为 [256,256]。

即使是输入向量的最细微变化也会改变输出向量。当你调整位图大小时，你改变了输入向量。但是，如果模型足够通用，则输出向量（在分类中）的 argmax 的最终结果将是相同的。

就 Siamese 而言，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（相似性得分）。

Tensorflow 模型输出权重具有不同的值

Tensorflow Model output weights have different values

android

tensorflow

kotlin

tensorflow-lite

firebase-machine-learning