二元分类中的 Tensorflow Lite 负预测

Question

我基本上希望通过 pyinstaller 准备我的模型以进行分发。并且由于打包tensorflow导致最终的可执行文件大小约为500mbs。我使用了 tensorflow lite。

现在的问题是，当我将模型转换为 tflite（量化或未量化）时，它会为我输入的任何图像提供以下输出。

array([[-1.3749948e+23]], dtype=float32)

下面是我的模型转换代码

import tensorflow as tf

m = load_model("weights.best.hdf5")
converter = tf.lite.TFLiteConverter.from_keras_model(m)
converter.optimizations = [tf.lite.Optimize.DEFAULT]
tflite_quant_model = converter.convert()

下面是测试tflite模型的代码

import tflite_runtime.interpreter as tflite
interpreter = tf.lite.Interpreter(model_content=tflite_quant_model)
interpreter.allocate_tensors()
inputdets = interpreter.get_input_details()
outputdets = interpreter.get_output_details()

import imageio
import cv2
import numpy as np
img = imageio.imread("1 (162).jpg")/256.0

final = cv2.resize(img,(150,150))
input_data = np.array([final],dtype=np.float32)
interpreter.set_tensor(inputdets[0]['index'], input_data)
interpreter.get_tensor(outputdets[0]['index'])

keras模型的输出

数组([[0.9934516]], dtype=float32)

tflite 模型的输出

数组([[-1.3749948e+23]], dtype=float32)

附加信息

在 keras 上训练时的模型准确性

98%

输入详细信息

[{'dtype': numpy.float32,
  'index': 0,
  'name': 'input_3',
  'quantization': (0.0, 0),
  'quantization_parameters': {'quantized_dimension': 0,
   'scales': array([], dtype=float32),
   'zero_points': array([], dtype=int32)},
  'shape': array([  1, 150, 150,   3], dtype=int32),
  'shape_signature': array([  1, 150, 150,   3], dtype=int32),
  'sparsity_parameters': {}}]

输出详细信息

[{'dtype': numpy.float32,
  'index': 21,
  'name': 'Identity',
  'quantization': (0.0, 0),
  'quantization_parameters': {'quantized_dimension': 0,
   'scales': array([], dtype=float32),
   'zero_points': array([], dtype=int32)},
  'shape': array([1, 1], dtype=int32),
  'shape_signature': array([1, 1], dtype=int32),
  'sparsity_parameters': {}}]

Answer 1

您需要运行 interpreter.invoke() 才能阅读结果。 https://www.tensorflow.org/lite/guide/inference#load_and_run_a_model_in_python

按如下方式更新您的代码：

...
...
interpreter.set_tensor(inputdets[0]['index'], input_data)
interpreter.invoke()
result = interpreter.get_tensor(outputdets[0]['index']) 
..
..

二元分类中的 Tensorflow Lite 负预测

Tensorflow lite negative predictions in binary classification

python

deep-learning

tensorflow

tensorflow-lite