Flutter调用tflite包运行自定义模型报张量形状不兼容错误

云原生阿岚

2026-8-29

问题根因

崩溃由输出张量形状不匹配直接导致：你代码中为TensorFlow Lite解释器配置的Java层输出对象形状为[1, 9]，但你集成的best-fp16.tflite实际输出张量形状为[1, 25200, 14]，二者维度完全不匹配，张量拷贝时直接抛出IllegalArgumentException触发应用崩溃。
从输出形状判断，你的自定义模型属于YOLOv5/YOLOv8系列目标检测模型：单批次推理下会输出25200个预定义锚框的预测结果，每个锚框对应14维数值，和通用SSD、MobileNet检测模型的小维度输出逻辑完全不同，不能直接套用这类模型的集成代码。

修复步骤

修正输出张量形状配置
加载模型后不要硬编码输出形状，先读取模型自带的张量元数据确认输入输出参数，再对应配置接收结果的数组形状：
```
// 模型加载完成后执行，打印张量信息做校验
final inputTensors = interpreter.getInputTensors();
final outputTensors = interpreter.getOutputTensors();
for (final tensor in inputTensors) {
  debugPrint('输入张量 | 名称:${tensor.name} 形状:${tensor.shape} 类型:${tensor.type}');
}
for (final tensor in outputTensors) {
  debugPrint('输出张量 | 名称:${tensor.name} 形状:${tensor.shape} 类型:${tensor.type}');
}
```
你当前模型的输出接收数组需要定义为形状[1][25200][14]的浮点型数组，和模型输出完全对齐。注意输出最后一维14的含义是：4个边界框坐标参数 + 1个框置信度 + 9个类别概率，对应你训练时设置了9个检测类别，后续如果增减类别数，这个维度数值会同步变化。
重写检测结果解析逻辑
替换原有适配[1,9]形状的解析代码，按YOLO输出格式处理结果：
1. 遍历全部25200个锚框的预测值
2. 对每个锚框，提取前4位数值做坐标转换，还原为对应原图尺寸的边界框坐标
3. 提取第5位的框置信度，直接过滤掉置信度低于预设阈值（通常取0.25~0.5）的无效锚框
4. 提取后9位的类别概率值，取概率最高的类别作为该锚框的检测类别
5. 对所有保留的有效框做非极大值抑制（NMS），去除重叠的重复检测框，得到最终输出结果
校验输入预处理逻辑
同步检查输入张量配置，640x640输入的YOLO fp16模型输入形状一般为[1, 640, 640, 3]，预处理时需要将选中的图片缩放到对应尺寸，像素值归一化到0~1区间，避免输入形状、数值范围不匹配触发其他推理异常。

注意事项

不要直接复用网上针对SSD、MobileNet等老检测模型写的tflite集成代码，这类模型输出结构和YOLO系列差异极大，硬套会直接触发形状不匹配错误
如果你是通过YOLO官方仓库导出tflite模型，导出时的nms、end2end参数要和解析逻辑对齐：如果开启了端侧NMS导出，输出形状会变为固定检测数的结构，不再是25200锚框的原始输出
fp16精度模型推理时注意张量类型匹配，不要套用uint8量化模型的类型配置，否则会触发类型不匹配报错

内容的提问来源于stack exchange，提问作者Ibrahim Mohamed Embaby