Android端TFLite模型输出值过多，如何归一化得到220类结果？

第一步：修正输出维度，得到220个类别对应值 #

你现在得到大量输出值，大概率是模型输出的是特征图张量（比如形状为[1, 7, 7, 220]这类多维结构），而非直接的220个类别logits/概率值。先通过代码确认输出形状：

val outputFeature0 = outputs.outputFeature0AsTensorBuffer
Log.d("TFLiteDebug", "输出形状: ${outputFeature0.shape.contentToString()}")

如果输出形状是[1, H, W, 220]（H、W是特征图的高宽），需要对每个类别通道做全局平均池化，把多维特征压缩成220个值：

val outputArray = outputFeature0.floatArray
val outputShape = outputFeature0.shape
val numClasses = outputShape[3] // 这里应该是220
val featureSize = outputShape[1] * outputShape[2]

val classValues = FloatArray(numClasses) { 0f }
// 遍历所有元素，按类别通道累加后取平均
for (i in outputArray.indices) {
    val classIdx = i % numClasses
    classValues[classIdx] += outputArray[i]
}
// 得到每个类别的平均输出值（共220个）
val classLogits = classValues.map { it / featureSize }.toFloatArray()

如果输出形状是其他多维结构（比如[1, 220, 7, 7]），只需要调整索引计算逻辑，确保最终提取出220个类别对应的聚合值即可。

第二步：对220个值做归一化处理 #

分类场景下最常用的归一化方式是Softmax，它会将输出转换为0~1之间的概率值，且所有类别概率总和为1，代码实现如下：

fun softmax(logits: FloatArray): FloatArray {
    // 先计算每个logit的指数值，减去最大值避免数值溢出
    val maxLogit = logits.maxOrNull() ?: 0f
    val expValues = logits.map { Math.exp((it - maxLogit).toDouble()).toFloat() }
    val sumExp = expValues.sum()
    // 每个指数值除以总和得到概率
    return expValues.map { it / sumExp }.toFloatArray()
}

// 用上面得到的220个logit值生成归一化后的概率
val normalizedProbabilities = softmax(classLogits)

如果你的原模型在训练时最后一层已经加了Softmax激活，那TFLite的输出本身就是概率值，不需要再做Softmax，直接调整维度得到220个值即可。

内容的提问来源于stack exchange，提问作者özgür değirmen