树莓派运行自定义TensorFlow Lite模型报numpy.float32无len()错误如何解决

这个错误由自行训练的TFLite模型输出张量顺序和官方预训练检测模型不一致导致：

• 你现有代码默认输出张量顺序为[边界框, 类别, 置信度分数, 检测数量]，因此取output_details[2]['index']作为置信度分数的输出
• 你自己训练的模型大概率将「检测数量」这个单值输出放在了索引2的位置，导致scores变量拿到的是单个numpy.float32类型的数值，而非包含所有检测目标置信度的数组，调用len()时自然报错

你可以先在interpreter.allocate_tensors()代码后添加以下打印语句，确认所有输出张量的结构：

# 打印所有输出张量的详细信息
for idx, out in enumerate(output_details):
    print(f"输出索引{idx}：名称={out['name']}，形状={out['shape']}，数据类型={out['dtype']}")

正常置信度分数的输出形状应该是[1, 检测最大目标数]的二维数组，而检测数量的输出形状是[1]的单值数组，你可以通过打印结果快速区分。

方案1：直接调整输出索引 #

如果打印后确认置信度分数对应其他索引，直接修改取值代码即可，比如分数在索引3的位置就修改为：

boxes = interpreter.get_tensor(output_details[0]['index'])[0] 
classes = interpreter.get_tensor(output_details[1]['index'])[0] 
scores = interpreter.get_tensor(output_details[3]['index'])[0] 

方案2：按输出名称匹配取值（更稳妥，适配不同输出顺序的模型） #

直接通过张量名称匹配对应输出，避免顺序差异导致的报错：

# 初始化四个输出变量
boxes, classes, scores, num_detections = None, None, None, None

for out in output_details:
    out_name = out['name'].lower()
    if 'box' in out_name or 'location' in out_name:
        boxes = interpreter.get_tensor(out['index'])[0]
    elif 'class' in out_name or 'label' in out_name:
        classes = interpreter.get_tensor(out['index'])[0]
    elif 'score' in out_name or 'confidence' in out_name:
        scores = interpreter.get_tensor(out['index'])[0]
    elif 'num' in out_name:
        num_detections = interpreter.get_tensor(out['index'])[0]

额外注意事项 #

• 如果你是用TensorFlow 2.x Object Detection API训练导出的模型，导出TFLite时需要确保参数配置正确，包含了检测后处理逻辑，避免输出维度异常
• 如果是量化模型，需要确认输入预处理的归一化参数和量化时的参数一致，避免检测结果异常

内容的提问来源于stack exchange，提问作者Matthew De La Rosa