Tensorflow 模型输出权重有不同的值答案

【问题标题】：Tensorflow Model output weights have different valuesTensorflow 模型输出权重有不同的值
【发布时间】：2021-02-03 08:37:43
【问题描述】：

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连体网络进行输出，输出形状为 [1 128]。当我推断tf lite 模型在 Google Colab 上的 python 输出 [1 128] 数字与我的 Android 设备上生成的数字不同。输入图像在推论以及输入和输出形状上都是相同的，但我仍然得到不同的输出向量在我的 Android 手机和 Python TFlite 模型上。我正在使用 Firebase 机器学习。

安卓代码

  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))

请帮助我。我很快就需要它。感谢任何帮助

【问题讨论】：

你能确认你提供给模型的数值在两个平台上是相同的吗？您是调整图像大小、裁剪图像还是进行其他操作？
在 Android 上，我实际上将位图的大小调整为 [256 256]，但输入图像的尺寸与以前相同，所以我想这一定不是那么重要
即使输入向量的最轻微变化也会改变输出向量。调整位图大小时，会更改输入矢量。但是，输出向量（分类中）的 argmax 的最终结果将是相同的。
好的，但这不会影响我的连体输出吗？
如果模型没有过拟合，我相信它不会对最终结果产生有意义的影响。

标签： android tensorflow kotlin tensorflow-lite firebase-machine-learning

【解决方案1】：

您在 Android 平台中将位图的大小调整为 [256,256]。

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

在 Siamese 的情况下，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（相似度得分）。

【讨论】：