如何将MLMultiArray转换为字符串？iOS CoreML模型输出问题求助

我之前也碰到过类似的问题，大多是模型转换阶段没做好输出配置，或者对CoreML的输出逻辑理解不到位导致的。下面分几种场景给你具体的解决方案：

一、重新转换模型时配置输出映射（推荐方案） #

如果还能重新把TensorFlow模型转成CoreML，直接在转换时指定输出格式，就能让CoreML直接输出带类别名称的字典/字符串：

1. 针对分类模型（输出类别字符串） #

用coremltools转换时，通过classifier_config传入你的类别标签列表，CoreML会自动把MLMultiArray的概率值映射到对应的类别名称：

import coremltools as ct
import tensorflow as tf

# 加载本地TensorFlow模型
tf_model = tf.keras.models.load_model("your_tf_model.h5")

# 定义分类器配置，替换成你的实际类别列表
classifier_config = ct.ClassifierConfig(class_labels=["cat", "dog", "bird"])

# 执行转换，指定输入输出名称和分类配置
coreml_model = ct.convert(
    tf_model,
    classifier_config=classifier_config,
    input_names=["input_image"],
    output_names=["predictions"]
)

# 保存配置好的CoreML模型
coreml_model.save("your_coreml_model.mlmodel")

转换后的模型输出会是字典类型，包含"classLabel"（类别字符串）和"classProbability"（类别概率字典）两个键，直接就能用。

2. 针对自定义输出结构（输出字典） #

如果你的模型输出是自定义键值对，转换时要明确指定每个输出的类型和名称，确保CoreML保留原结构：

coreml_model = ct.convert(
    tf_model,
    inputs=[ct.ImageType(name="input_image", shape=(1, 224, 224, 3))],
    outputs=[
        ct.FeatureType(name="predicted_label", shape=(), dtype=str),
        ct.FeatureType(name="confidence_score", shape=(), dtype=float)
    ]
)

注意要保证原TensorFlow模型的输出类型和CoreML的定义完全匹配，否则转换可能报错。

二、已转换模型：手动解析MLMultiArray #

如果已经没办法重新转换模型，那就只能在iOS代码里手动把MLMultiArray转成你需要的格式：

1. 分类模型解析（获取类别和概率） #

先准备好你的类别标签列表，然后解析MLMultiArray找到对应结果：

import CoreML

// 加载CoreML模型
let model = try! YourCoreMLModel(configuration: MLModelConfiguration())

// 传入输入数据，获取模型输出
let modelOutput = try! model.prediction(input: yourInputData)
guard let predictionsArray = modelOutput.predictions as? MLMultiArray else {
    fatalError("模型输出类型不符合预期")
}

// 将MLMultiArray转为Double数组
var probabilities = [Double]()
for index in 0..<predictionsArray.count {
    probabilities.append(predictionsArray[index].doubleValue)
}

// 找到概率最高的类别
let maxProbIndex = probabilities.enumerated().max { $0.element < $1.element }?.offset ?? 0
let classLabels = ["cat", "dog", "bird"] // 替换成你的实际类别列表
let predictedLabel = classLabels[maxProbIndex]
let predictedProbability = probabilities[maxProbIndex]

// 转换成你需要的字典格式
let resultDict: [String: Any] = [
    "classLabel": predictedLabel,
    "classProbability": [predictedLabel: predictedProbability]
]

2. 通用MLMultiArray转数组工具 #

可以写个扩展方法，把MLMultiArray快速转换成Swift数组，再根据业务逻辑处理成字典或字符串：

extension MLMultiArray {
    func toNumericArray<T: Numeric>() -> [T] {
        let dataPointer = self.dataPointer.bindMemory(to: T.self, capacity: self.count)
        return Array(UnsafeBufferPointer(start: dataPointer, count: self.count))
    }
}

// 使用示例
let outputArray = modelOutput.customFeature.toNumericArray() as [Double]
// 这里根据你的需求把数组转换成字典或字符串

三、排查原TensorFlow模型的输出结构 #

最后还要确认原模型的输出逻辑：

• 如果原模型输出的是未经过softmax的logits值，转换后CoreML会直接输出MLMultiArray，这时可以在转换时添加softmax层：

coreml_model = ct.convert(
    tf_model,
    classifier_config=classifier_config,
    preprocessing_args={"add_softmax": True}
)

• 如果原模型已经输出概率分布但转换后还是MLMultiArray，那就是没指定classifier_config导致的，按第一部分的方法配置即可。

内容的提问来源于stack exchange，提问作者user12036735