Android Studio中Interpreter无法运行TFLite LSTM模型问题求助

解决方案 #

1. 升级TensorFlow Lite依赖 #

你当前使用的org.tensorflow:tensorflow-lite:0.1.2-nightly版本过于陈旧，发布时TensorFlow 2.x尚未正式推出，完全不支持TF2.x训练的LSTM算子，是加载失败的核心原因。
将build.gradle中的依赖替换为最新稳定版：

implementation 'org.tensorflow:tensorflow-lite:2.15.0'
// 如需额外工具支持可添加以下依赖
implementation 'org.tensorflow:tensorflow-lite-support:0.4.4'

同步Gradle后重新构建项目。

2. 调整模型转换配置 #

TF2.x导出含LSTM的模型时，默认转换配置可能生成旧版解释器不支持的算子，转换时添加以下配置：

converter = tf.lite.TFLiteConverter.from_keras_model(model)
# 替换为你的模型实际输入形状[batch, 时间步长, 特征维度]
converter.target_spec.supported_ops = [
    tf.lite.OpsSet.TFLITE_BUILTINS,
    tf.lite.OpsSet.SELECT_TF_OPS
]
converter.experimental_new_converter = True
# 可选：开启默认量化压缩模型体积
converter.optimizations = [tf.lite.Optimize.DEFAULT]
tflite_model = converter.convert()

转换完成后可在本地Python环境先验证模型可用性，排除模型本身问题：

import numpy as np
import tflite_runtime.interpreter as tflite

interpreter = tflite.Interpreter(model_path="Model.tflite")
interpreter.allocate_tensors()
input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()
# 填入你模型的实际输入尺寸
test_input = np.random.rand(1, 时间步长, 特征维度).astype(np.float32)
interpreter.set_tensor(input_details[0]['index'], test_input)
interpreter.invoke()
print(interpreter.get_tensor(output_details[0]['index']))

本地可以正常输出即说明模型转换无误。

3. 优化Android端加载逻辑 #

添加文件完整性校验和全异常捕获，方便定位问题：

private MappedByteBuffer loadModelFile() throws IOException {
    String model_path = model_directory + model_name + ".tflite";
    Log.d(TAG, model_path);
    File file = new File(model_path);
    if(!file.exists() || file.length() == 0){
        Log.e(TAG, "模型文件不存在或损坏");
        throw new FileNotFoundException("模型文件无效");
    }
    FileInputStream inputStream = new FileInputStream(file);
    FileChannel fileChannel = inputStream.getChannel();
    MappedByteBuffer buffer = fileChannel.map(FileChannel.MapMode.READ_ONLY, 0, file.length());
    inputStream.close();
    return buffer;
}

初始化Interpreter的逻辑调整为：

Interpreter tflite;
try {
    tflite = new Interpreter(loadModelFile());
    tflite.allocateTensors();
    Log.d("Load_model", "Created a Tensorflow Lite of AutoAuth.");
} catch (Exception e) {
    Log.e("Load_model", "加载TFLite模型失败", e);
}

按以上步骤调整后即可解决LSTM模型加载失败问题。

内容的提问来源于stack exchange，提问作者Mohsen Ali