如何通过 API 为 tflite 提供多维输入C++

How to give multi-dimensional inputs to tflite via C++ API

本文关键字：输入 C++ 何通过 API tflite      更新时间：2023-10-16

我正在试用 tflite C++ API 来运行我构建的模型。我通过以下代码片段将模型转换为 tflite 格式：

import tensorflow as tf
converter = tf.lite.TFLiteConverter.from_keras_model_file('model.h5') 
tfmodel = converter.convert() 
open("model.tflite", "wb").write(tfmodel)

我正在按照 tflite 官方指南中提供的步骤进行操作，到目前为止我的代码如下所示

// Load the model
std::unique_ptr<tflite::FlatBufferModel> model = tflite::FlatBufferModel::BuildFromFile("model.tflite");
// Build the interpreter
tflite::ops::builtin::BuiltinOpResolver resolver;
std::unique_ptr<tflite::Interpreter> interpreter;
tflite::InterpreterBuilder builder(*model, resolver);
builder(&interpreter);
interpreter->AllocateTensors();
// Check interpreter state
tflite::PrintInterpreterState(_interpreter.get());

这表明我的输入图层的形状为 (1， 2050， 6(。为了提供来自C++的输入，我遵循了这个线程，我的输入代码如下所示：

std::vector<std::vector<double>> tensor;     // I filled this vector, (dims are 2050, 6)
int input = interpreter->inputs()[0];
float* input_data_ptr = interpreter->typed_input_tensor<float>(input);
for (int i = 0; i < 2050; ++i) {
for (int j = 0; j < 6; j++) {
*(input_data_ptr) = (float)tensor[i][j];
input_data_ptr++;
}
}

此模型的最后一层返回单个浮点数(概率(。我从以下代码中获取输出。

interpreter->Invoke();
int output_idx = interpreter->outputs()[0];
float* output = interpreter->typed_output_tensor<float>(output_idx);
std::cout << "OUTPUT: " << *output << std::endl;

我的问题是我为不同的输入获得相同的输出。此外，输出与 tensorflow-python 输出不匹配。

我不明白为什么它会这样。另外，任何人都可以确认这是否是为模型提供输入的正确方法吗？

一些额外信息：

  1. 我使用以下命令从源代码 v1.14.0 构建了 tflite：bazel build -c opt //tensorflow/contrib/lite:libtensorflowLite.so --cxxopt="-std=c++11" --verbose_failures

  2. 我训练了我的模型，并在另一台机器上用 tensorflow v2.0 将其转换为 tflite

这是错误的 API 用法。

将typed_input_tensor更改为typed_tensor，typed_output_tensor更改为typed_tensor为我解决了问题。

对于有相同问题的其他任何人，

int input_tensor_idx = 0;
int input = interpreter->inputs()[input_tensor_idx];
float* input_data_ptr = interpreter->typed_input_tensor<float>(input_tensor_idx);

和

int input_tensor_idx = 0;
int input = interpreter->inputs()[input_tensor_idx];
float* input_data_ptr = interpreter->typed_tensor<float>(input);

是相同的。

这可以通过查看typed_input_tensor的实施来验证。

template <class T>
T* typed_input_tensor(int index) {
return typed_tensor<T>(inputs()[index]);
}
相关文章：