如何从TF-Lite模型文件中提取图像分类标签？

TF-Lite模型本身默认不会将类别标签信息嵌入到模型文件中——训练过程里标签通常作为独立的数据集元数据存在，不会和模型权重绑定存储。不过你可以尝试以下几种方式：

1. 检查模型的元数据（Metadata） #

部分TF-Lite模型会被添加元数据来包含标签信息，尤其是官方预训练模型或用TensorFlow Lite Metadata Writer工具处理过的模型。你可以用TensorFlow Lite Support Library读取元数据：

示例代码（Python） #

from tflite_support import metadata

# 加载模型元数据
displayer = metadata.MetadataDisplayer.with_model_file("model.tflite")
# 获取输出张量的元数据
output_metadata = displayer.get_output_tensor_metadata()

# 尝试提取标签文件内容
for out_tensor in output_metadata:
    for file in out_tensor.associated_files:
        if file.name.endswith(".txt"):
            labels = displayer.get_associated_file_buffer(file.name).decode("utf-8").splitlines()
            print("提取到的标签列表：", labels)

2. 手动反向推导（无元数据时） #

如果模型没有元数据，只能通过已知类别的样本测试，手动对应标签和索引：

• 准备已知类别的测试图片（比如明确的猫、狗图片）
• 将图片输入模型，得到概率数组，找到概率最大值对应的索引
• 逐个记录已知类别对应的索引，建立标签和输出数组索引的映射关系

3. 查找训练时的原始文件 #

如果能找到模型训练阶段的代码或项目文件，标签通常会存储在单独的文本文件（如labels.txt、class_names.txt）中，一般和模型文件处于同一目录。

内容的提问来源于stack exchange，提问作者tashuhka