TensorFlow图像分类CNN转CoreML报无有效图像输入如何解决

你遇到的报错是因为Core ML Tools默认将TensorFlow模型的张量输入识别为MultiArray类型，需要手动指定输入为图像类型，同时匹配你模型的预处理逻辑即可解决，修改转换阶段的代码即可：

修改后的转换代码 #

将你原本的Core ML转换部分替换为以下内容：

import coremltools as ct

# 定义图像输入配置，匹配模型输入要求
image_input = ct.ImageType(
    name="image_input",
    shape=(1, 256, 256, 3),
    scale=1/255.0,
    color_layout="RGB"
)

# 配置分类标签，转换后模型可直接返回分类结果
classifier_config = ct.ClassifierConfig(class_labels)

# 转换时传入图像输入和分类配置
coremlmodel = ct.convert(
    savedmodel,
    inputs=[image_input],
    classifier_config=classifier_config
)

# 可选：补充模型元信息，方便Xcode中查看
coremlmodel.short_description = "棉花图像分类模型"
coremlmodel.input_description["image_input"] = "输入256x256分辨率的RGB棉花图像"
coremlmodel.output_description["classLabel"] = "分类结果标签"

# 保存为标准mlmodel格式
coremlmodel.save('cotton.mlmodel')

配置说明 #

• ct.ImageType会明确告知转换工具该输入为图像类型，转换后Xcode中模型的输入类型会自动显示为Image
• scale=1/255.0对应你训练时的归一化逻辑，Core ML会自动对输入图像做像素值缩放，无需App端额外处理
• 保存时添加.mlmodel后缀，Xcode可直接识别使用

内容的提问来源于stack exchange，提问作者user11640506