TensorFlow Lite模型与输出数组形状不兼容问题求助

这个错误的核心原因是你的Keras模型输出形状和Android代码里定义的数组形状不匹配，咱们拆解问题并给出两种可行的解决方案：

问题根源分析 #

你的Keras模型最后一层是Dense(1)搭配sigmoid激活函数，这是二分类任务中单输出的设计：输出的单个值代表其中一类的概率（比如正类），另一类的概率就是1 - 输出值。此时模型的输出张量形状是[1, 1]。

但你在Android代码里定义了float[][] labelProbArray = new float[1][2]，期望模型输出[1, 2]的形状（两个类别的概率分别对应数组的两个元素），这就导致了张量复制时的形状不匹配错误。

解决方案1：修改Keras模型，输出[1,2]形状的结果 #

如果你希望模型直接输出两个类别的概率，可以调整模型的输出层和训练配置：

1. 修改模型最后几层：
   将原有的输出层替换为Dense(2)搭配softmax激活函数，这样模型会直接输出两个类别的概率分布：

   # 替换原有的Dense(1)和Activation('sigmoid')
   model.add(Dense(2))
   model.add(Activation('softmax'))
   

2. 调整损失函数和生成器配置：

   • 编译模型时，损失函数改为categorical_crossentropy：

     model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
     

   • 训练和验证生成器的class_mode改为'categorical'：

     train_generator = train_datagen.flow_from_directory(
         # 其他参数不变
         class_mode='categorical')
     validation_generator = test_datagen.flow_from_directory(
         # 其他参数不变
         class_mode='categorical')
     

3. 重新训练并转换模型：
   重新运行训练代码，得到新的.h5模型后，再用你的转换代码生成TFLite模型。此时模型的输出形状就是[1,2]，和Android中定义的labelProbArray形状匹配，调用tflite.run(imgData, labelProbArray)就不会报错了。

解决方案2：不修改模型，调整Android代码适配[1,1]的输出 #

如果不想重新训练模型，可以直接修改Android代码来适配单输出的结果：

1. 调整输出数组的形状：
   把labelProbArray改成对应[1,1]的形状：

   private float[][] labelProbArray = new float[1][1]; // 匹配模型输出形状
   

2. 计算两个类别的概率：
   运行模型后，从labelProbArray中获取正类的概率，再计算负类的概率：

   tflite.run(imgData, labelProbArray);
   float positiveProb = labelProbArray[0][0];
   float negativeProb = 1.0f - positiveProb;
   // 此时positiveProb是正类概率，negativeProb是负类概率
   

3. 获取预测类别：
   通过比较两个概率的大小来确定预测类别：

   int predictedClass = positiveProb > 0.5f ? 1 : 0;
   

内容的提问来源于stack exchange，提问作者MRDJR97