TensorFlow Lite在Android端推理报错：索引0输出张量应为3维实际为2维

这个报错的核心原因是你导出的TFLite模型输出维度不符合TensorFlow Lite Task Library ObjectDetector接口的输入输出约定，官方Demo用的ObjectDetector要求模型输出的四个张量必须是[batch, num_detections, ...]的3维结构，你导出的模型默认输出了不带batch维度的2维结构，所以触发维度校验失败。

• 第一步：修改模型导出配置，打开你转换模型的Colab笔记本，找到TFLite导出的代码段，找到对应导出函数的参数配置，手动开启include_detection_batch_dim = True参数，这个参数会强制给所有输出张量加上batch维度，把2维输出补为符合要求的3维结构。
• 第二步：校验导出模型的输出维度，导出完成后可以用如下Python代码确认维度是否符合要求：

import tensorflow as tf
interpreter = tf.lite.Interpreter(model_path="你的自定义模型路径.tflite")
interpreter.allocate_tensors()
output_details = interpreter.get_output_details()
for idx, output in enumerate(output_details):
    print(f"输出张量{idx}维度：{output['shape']}")

正常符合要求的输出维度应该是[1, 检测数, 4]（检测框坐标）、[1, 检测数]（类别ID）、[1, 检测数]（置信度）、[1, 1]（总检测数量）这类3维结构。

• 第三步：如果转换时开启了全整数量化，需要在转换配置中添加converter.experimental_enable_resource_variables = True，同时设置converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS, tf.lite.OpsSet.SELECT_TF_OPS]，避免量化过程自动折叠多余的batch维度导致维度降级。
• 第四步：替换模型到Android项目后，保持ObjectDetector初始化的默认配置即可，不要自行修改输出张量索引、维度映射相关的参数。

重新打包运行App，模型转换正确的情况下初始化阶段不会再抛出维度不匹配的错误，可以正常加载模型执行推理。

内容的提问来源于stack exchange，提问作者iTzZCHIP