React Native+YOLOv5转TFJS模型推理报错：pad参数类型异常

核心错误原因 #

1. 张量类型不兼容：TFJS v3.19.0中部分内置操作（如pad）对张量内部类型校验严格，原代码的张量处理流程导致张量被异常包装，触发类型误判。
2. 未定义变量：直接使用inputHeight/inputWidth但未赋值，导致输入尺寸错误。
3. 重复加载模型：每次调用预测都重新加载模型，引发张量上下文冲突。
4. 冗余张量操作：resizeBilinear后已生成目标尺寸张量，重复reshape破坏了张量结构。
5. 内存泄漏风险：未对中间张量进行销毁，导致React Native内存占用过高。

修复后的完整代码 #

import * as tf from '@tensorflow/tfjs';
import {bundleResourceIO, decodeJpeg} from '@tensorflow/tfjs-react-native';

// 全局模型实例，避免重复加载
let model: tf.GraphModel | null = null;

const modelJSON = require('../assets/web_model/model.json');
const modelWeights = [
  require('../assets/web_model/group1-shard1of7.bin'),
  require('../assets/web_model/group1-shard2of7.bin'),
  require('../assets/web_model/group1-shard3of7.bin'),
  require('../assets/web_model/group1-shard4of7.bin'),
  require('../assets/web_model/group1-shard5of7.bin'),
  require('../assets/web_model/group1-shard6of7.bin'),
  require('../assets/web_model/group1-shard7of7.bin'),
];

// 初始化模型（仅执行一次）
const initModel = async () => {
  if (!model) {
    await tf.ready();
    model = await tf.loadGraphModel(bundleResourceIO(modelJSON, modelWeights));
  }
};

const getPredictions = async (dataURL: string) => {
  // 确保模型已初始化
  await initModel();
  if (!model) throw new Error('模型加载失败');

  return tf.tidy(() => {
    // 解析Base64图片
    const imgB64 = dataURL.split(';base64,')[1];
    const raw = tf.util.encodeString(imgB64, 'base64') as Uint8Array;
    const imagesTensor = decodeJpeg(raw);

    // 获取模型输入尺寸
    const [inputHeight, inputWidth] = model.inputs[0].shape.slice(1, 3) as [number, number];

    // 处理输入张量
    let processedTensor = tf.image.resizeBilinear(imagesTensor, [inputHeight, inputWidth]) as tf.Tensor<tf.Rank.R3>;
    processedTensor = tf.cast(processedTensor, 'float32');
    processedTensor = tf.div(processedTensor, 255.0);
    processedTensor = tf.expandDims(processedTensor, 0); // 添加batch维度

    // 执行推理
    return model.execute(processedTensor) as tf.Tensor[];
  });
};

export default getPredictions;

关键修改说明 #

• 全局模型单例：将模型加载移到全局初始化函数，避免每次预测重复加载，解决上下文冲突。
• 变量赋值修正：从模型输入形状中直接获取inputHeight/inputWidth，解决未定义变量问题。
• 移除冗余reshape：resizeBilinear已输出[inputHeight, inputWidth, 3]的张量，无需重复reshape。
• tf.tidy内存管理：用tf.tidy包裹所有张量操作，自动清理中间张量，避免内存泄漏，同时确保张量类型符合TFJS要求。
• 简化张量解析：直接将tf.util.encodeString的结果转为Uint8Array，避免多余的buffer转换步骤。

内容的提问来源于stack exchange，提问作者gildniy