如何解释 TFLite 输出张量答案

【问题标题】：How to interpret TFLite output tensor如何解释 TFLite 输出张量
【发布时间】：2020-05-30 21:40:26
【问题描述】：

我正在 python 上执行 TFLite 模型，以便根据输入数据进行预测。该模型已经在 AutoML-Google-API 上进行了训练，然后我下载了它的 TFLite 模型。我使用 tf.lite.Interpreter 加载模型并运行推理，如下所示

input_details = interpreter.get_input_details();print(input_details )
output_details = interpreter.get_output_details();print(output_details )
//...preparing input_data
interpreter.set_tensor(input_details[0]['index'], input_data)
interpreter.invoke()
output_data = interpreter.get_tensor(output_details[0]['index']);print(output_data )

结果如下：

input_details: 
[{'name': 'image',
  'index': 0,
  'shape': array([  1, 224, 224,   3]),
  'dtype': numpy.uint8,
  'quantization': (0.007874015718698502, 128)}]
output_details: 
[{'name': 'scores',
  'index': 173,
  'shape': array([ 1, 10]),
  'dtype': numpy.uint8,
  'quantization': (0.00390625, 0)}]
output_data : 
array([[ 34, 100,  67,  14,  15,  24,  21,  18,  25,  37]], dtype=uint8)

output_data 有一些整数，说“它的最大数的索引对应于预测的标签”是真的吗，如何将这些数字转换为概率？

【问题讨论】：

标签： python tensorflow google-api tensorflow-lite softmax

【解决方案1】：

您可以使用softmax将数字转换为概率分布，使用argmax获取概率最大的标签的索引。

所以是这样的：

output_probs = tf.math.softmax(output_data)
pred_label = tf.math.argmax(output_probs)

【讨论】：

谢谢。对于softmax输出，probs的总和等于1。'output_data'的总和怎么样？当我根据给定的输入图像将 output_data 的值相加时，它会给出不同的值。在上面的例子中，总和是（34+100+67+...=355），但是对于其他样本，我得到了不同的值，例如 345、370、... 正常吗？
是的，这看起来很正常，因为网络的直接输出只是输出层的权重。像你这样的分类器的正常过程是使用 softmax 和 argmax 来获取预测标签的索引。