Tensorflow Lite - 输入形状必须是 5 维错误答案

【问题标题】：Tensorflow Lite - Input shape must be 5 dimensional errorTensorflow Lite - 输入形状必须是 5 维错误
【发布时间】：2020-06-10 20:28:51
【问题描述】：

我正在尝试将 tensorflow 模型移植到 tensorflow lite 以在 android 应用程序中使用它。转换成功，除Internal error: Failed to run on the given Interpreter: input must be 5-dimensional 外，一切都运行。原始模型中的输入是input_shape=(20, 320, 240, 1)，即 20 320 x 240 灰度图像（因此 ...,1）。这是重要的代码：

List<Mat> preprocessedFrames = preprocFrames(buf);
//has length of 20 -> no problem there (shouldn't affect dimensionality either...)

        int[] output = new int[2];
        float[][][] inputMatrices = new float[preprocessedFrames.toArray().length][320][240];

        for(int i = 0; i < preprocessedFrames.toArray().length; i++) {
            Mat inpRaw = preprocessedFrames.get(i);

            Bitmap data = Bitmap.createBitmap(inpRaw.cols(), inpRaw.rows(), Bitmap.Config.ARGB_8888);
            Utils.matToBitmap(inpRaw, data);

            int[][] pixels = pixelsFromBitmap(data);
            float[][] inputMatrix = inputMatrixFromIntPixels(pixels);
            // returns float[][] with floats from 0 to 1

            inputMatrices[i] = inputMatrix;
        }

        try{

            detector.run(inputMatrices, output);
            Debug("results: " + output.toString());
        }

该模型为我提供了 2 个神经元转换为 2 个标签的输出。型号代码如下：

model = tf.keras.Sequential(name='detector')
    model.add(tf.keras.layers.Conv3D(filters=(56), input_shape=(20, 320, 240, 1), strides=(2,2,2), kernel_size=(3,11,11), padding='same', activation="relu"))
    model.add(tf.keras.layers.AveragePooling3D(pool_size=(1,4,4)))
    model.add(tf.keras.layers.Conv3D(filters=(72), kernel_size=(4,7,7), strides=(1,2,2), padding='same'))
    model.add(tf.keras.layers.Conv3D(filters=(81), kernel_size=(2,4,4), strides=(2,2,2), padding='same'))
    model.add(tf.keras.layers.Conv3D(filters=(100), kernel_size=(1,2,2), strides=(3,2,2), padding='same'))
    model.add(tf.keras.layers.Conv3D(filters=(128), kernel_size=(1,2,2), padding='same'))
    model.add(tf.keras.layers.Flatten())
    model.add(tf.keras.layers.Dense(768, activation='tanh', kernel_regularizer=tf.keras.regularizers.l2(0.011)))
    model.add(tf.keras.layers.Dropout(rate=0.1))
    model.add(tf.keras.layers.Dense(256, activation='sigmoid', kernel_regularizer=tf.keras.regularizers.l2(0.012)))
    model.add(tf.keras.layers.Dense(2, activation='softmax'))

    model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.00001), loss=tf.keras.losses.CategoricalCrossentropy(),
        metrics=['accuracy'])

编辑：我打印出第一个输入张量如下：

int[] shape = detector.getInputTensor(0).shape();
            for(int r = 0; r < shape.length; r++){
                Log.d("********" + r, "*******: " + r + " : " + shape[r]);
            }

我首先得到输出 [1,20,320,240,1]，然后我只得到 [20,320,240]。我现在真的很绝望……

【问题讨论】：

嗨。加载后是否打印了解释器的输入和输出张量形状？
我用输入形状更新了帖子。

标签： android tensorflow2.0 tensorflow-lite

【解决方案1】：

所以，我自己想出来了，似乎我真的只需要通过将内容放入第一维并将每个像素放入第五维来使输入成为 5 维。我不知道为什么，但我会接受 xD。

float[][] output = new float[1][2];
            float[][][][][] inputMatrices = new float[1][preprocessedFrames.toArray().length][320][240][1];

            for(int i = 0; i < preprocessedFrames.toArray().length; i++) {
                Mat inpRaw = preprocessedFrames.get(i);

                Bitmap data = Bitmap.createBitmap(inpRaw.cols(), inpRaw.rows(), Bitmap.Config.ARGB_8888);
                Utils.matToBitmap(inpRaw, data);

                int[][] pixels = pixelsFromBitmap(data);
                float[][] inputMatrix = inputMatrixFromIntPixels(pixels);

                for (int j = 0; j < inputMatrix.length - 1; j++) {
                    for(int k = 0; k < inputMatrix[0].length - 1; k++) {
                        inputMatrices[0][i][k][j][0] = inputMatrix[j][k];
                    }
                }
            }

【讨论】：