Yolov5转TFLite模型及目标检测报错求助

问题根源 #

你导出的yolov5m-fp16.tflite模型输入要求为FLOAT32类型，但推理代码直接传入了UINT8类型的图像数组，导致类型不匹配报错。YOLOv5模型训练和推理的输入是归一化到0-1区间的浮点数张量，而非原始0-255范围的整数像素值。

修正步骤 #

1. 修复代码语法错误 #

你的代码中input_tensor = np.expand_dims(input_tensor, axis=0)缺少闭合括号，需先补全这一语法问题。

2. 转换输入张量类型并归一化 #

将UINT8类型的图像数组转换为FLOAT32，同时除以255.0完成归一化，匹配模型的输入要求。

修正后的完整推理代码 #

import numpy as np
from PIL import Image, ImageDraw, ImageFont
import tensorflow as tf
import time

# 加载模型
model_path = '/content/yolov5/yolov5m-fp16.tflite'
interpreter = tf.lite.Interpreter(model_path=model_path)
interpreter.allocate_tensors()

input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()

# 处理输入图像
image = Image.open('/content/picture1.jpg').resize((640, 640))
input_tensor = np.array(image, dtype=np.float32)  # 转换为模型要求的FLOAT32类型
input_tensor = input_tensor / 255.0  # 将像素值归一化到0-1区间
input_tensor = np.expand_dims(input_tensor, axis=0)  # 补全batch维度（修复语法错误）

# 执行推理
interpreter.set_tensor(input_details[0]['index'], input_tensor)
interpreter.invoke()

# 获取输出并处理（示例）
output_data = interpreter.get_tensor(output_details[0]['index'])
# 后续可添加结果解析、绘制检测框等逻辑

额外验证建议 #

可以打印input_details查看模型的输入要求，确认类型和归一化规则：

print(input_details[0])

输出会包含dtype（显示tf.float32）和quantization参数（非量化模型通常为(0.0, 1.0)，代表直接输入0-1浮点数即可）。

内容的提问来源于stack exchange，提问作者sarada