Conda下用Keras生成的tflite无元数据，如何生成多分类label.txt绑定模型？

1. 生成对应类别顺序的label.txt #

你生成的label.txt必须和训练时模型输出层的类别顺序完全一致，否则预测结果会和类别完全错位，可通过以下两种方式生成：

• 方式1：从训练时的Keras数据生成器中直接导出（最准确）
  如果你训练时用的是tf.keras.preprocessing.image.ImageDataGenerator.flow_from_directory或者tf.keras.utils.image_dataset_from_directory加载数据集，直接调用生成器的class_indices属性即可得到类别与索引的对应关系，按索引从小到大排列类别名写入label.txt即可，示例代码：

  # 训练时的相关代码，直接输出类别映射
  print(train_generator.class_indices)
  # 输出示例：{'猫':0, '狗':1, '鸟':2}
  

  按照索引从小到大的顺序，每个类别名占一行写入label.txt即可，上述示例对应的label.txt内容为：

  猫
  狗
  鸟
  

• 方式2：从训练集文件夹结构生成（适用于未保存class_indices的场景）
  Keras默认会按训练集根目录下子文件夹的字母升序分配类别索引，你可以用以下代码直接生成匹配默认逻辑的label.txt：

  import os
  # 替换为你训练时用的训练集根目录路径
  train_root_path = "./dataset/train"
  # 过滤隐藏文件夹，按字母升序排列得到类别列表
  class_list = sorted([d for d in os.listdir(train_root_path) if os.path.isdir(os.path.join(train_root_path, d)) and not d.startswith('.')])
  # 写入label.txt
  with open("label.txt", "w", encoding="utf-8") as f:
      for class_name in class_list:
          f.write(f"{class_name}\n")
  

  注意：如果你训练时手动指定了classes参数修改了类别顺序，该方式不适用，必须按你当时指定的classes列表顺序写入label.txt

2. 给TFLite模型添加包含label映射的元数据 #

使用TensorFlow Lite Support库可以快速给模型写入元数据，步骤如下：

1. 先安装依赖库：

   pip install tflite-support
   

2. 运行元数据写入代码，注意输入归一化参数必须和你训练时的图片预处理逻辑完全一致：

   from tflite_support.metadata_writers import image_classifier
   from tflite_support.metadata_writers import writer_utils
   
   # 替换为你的本地文件路径
   ORIGIN_MODEL_PATH = "./model.tflite"
   OUTPUT_MODEL_PATH = "./model_with_metadata.tflite"
   LABEL_FILE_PATH = "./label.txt"
   
   # 示例为训练时把0-255的像素值归一化到0-1的参数配置
   # 如果训练时归一化到[-1,1]，则修改为 input_norm_mean=[127.5], input_norm_std=[127.5]
   writer = image_classifier.MetadataWriter.create_for_inference(
       writer_utils.load_file(ORIGIN_MODEL_PATH),
       input_norm_mean=[0.0],
       input_norm_std=[255.0],
       label_file_paths=[LABEL_FILE_PATH]
   )
   
   # 保存带元数据的模型
   writer_utils.save_file(writer.populate(), OUTPUT_MODEL_PATH)
   

3. 部署验证 #

生成的model_with_metadata.tflite可以直接导入Android Studio使用，你可以通过Android Studio自带的TensorFlow Lite Inspector打开该模型，确认元数据中已经显示对应的类别标签，Android端集成TensorFlow Lite Support库后可以自动读取标签，无需额外手动做索引到类别的映射。

内容的提问来源于stack exchange，提问作者brian