Android Studio加载自定义TensorFlow Lite模型报错问题咨询

1. 输入尺寸不匹配：你的自定义模型要求输入尺寸为[1, 320, 320, 3]，但Dart调用代码中硬编码的输入尺寸INPUT_SIZE为300，预处理后的图像尺寸和模型要求不符，触发校验失败。
2. 输出张量结构不匹配：你从Python测试可以看到自定义模型仅输出1个形状为[1,10,4]的检测框坐标张量，但是Dart代码按照预训练目标检测模型的标准格式，预留了4个输出张量的槽位（检测框、类别、得分、检测数量），输出数量、形状都不匹配导致校验失败。
3. 预处理逻辑缺失：如果使用float32输入格式的模型，你的预处理代码没有做像素归一化操作，输入数据范围不符合模型要求；如果是uint8量化模型，也要确保输入类型和模型声明的类型一致。
4. 模型转换参数不合理：你量化转换时设置了converter.experimental_new_converter = False，旧版转换器导出的模型可能存在兼容性问题。

• 第一步：修改输入尺寸匹配，将Dart代码中的static const int INPUT_SIZE = 300改为320。
• 第二步：对齐输出张量逻辑，二选一即可：
  • 导出SavedModel时将NMS后处理节点一起导出，让最终TFLite模型输出4个符合标准目标检测格式的张量，和预训练模型结构对齐
  • 修改Dart代码的输出处理逻辑，仅初始化1个输出TensorBuffer，自行补充后处理逻辑解析检测结果、过滤阈值
• 第三步：补全预处理逻辑，如果使用float32输入模型，在ImageProcessorBuilder中添加归一化操作：

  .add(NormalizeOp([0.0, 0.0, 0.0], [255.0, 255.0, 255.0]))
  

• 第四步：优化模型转换代码，删除converter.experimental_new_converter = False配置，使用默认的新版转换器导出模型，避免兼容性问题。

• 为什么预训练模型可以正常运行？
  你使用的预训练模型是标准TensorFlow Lite目标检测格式，输入300*300，输出4个张量，完全匹配你现有的Dart调用逻辑，所以不会报错。
• 是模型问题还是调用逻辑问题？
  两者都有，你的自定义模型结构、输入输出参数和现有调用逻辑不匹配，修改其中一侧对齐即可解决问题。

内容的提问来源于stack exchange，提问作者learner