在Arduino上部署Keras模型时神经网络输入维度设置问题

核心问题说明 #

你看到的维度值为1是正常情况，这个维度是嵌入式推理框架默认的batch维度，固定为1，你的18个特征存储在第二个维度中。 #

具体排查步骤 #

• 确认模型导出时的输入shape
  Keras训练时输入默认带batch维度，你导出为TFLite格式（后续转.h文件）时，要显式指定输入shape为(1, 18)，对应单样本推理、18个特征。不要省略batch维度，避免转换工具自动识别维度出错。
• 检查Arduino端维度读取逻辑
  以常用的TFLite Micro框架为例，输入tensor的维度读取规则如下：

  TfLiteTensor* input_tensor = interpreter->input(0);
  // 第0维：batch size，固定为1
  int batch = input_tensor->dims->data[0];
  // 第1维：特征数量，应为18
  int feature_count = input_tensor->dims->data[1];
  

  你之前测试取的是第0维的值，自然得到1，取第1维即可得到18的特征数。
• 修正输入数据填充方式
  不要直接传入一维数组float input[18]，要匹配模型要求的二维结构：

  // 定义符合模型输入shape的数组
  float model_input[1][18];
  // 把18个IMU处理后的数据依次填入
  for(int i=0; i<18; i++){
    model_input[0][i] = processed_imu_data[i];
  }
  // 传入推理接口
  interpreter->input(0)->data.f = model_input[0];
  

• 额外注意输入归一化逻辑
  模型输出错误大概率和输入预处理有关，Arduino端的IMU数据缩放、标准化参数必须和Colab训练时完全一致，比如训练时你用了MinMaxScaler缩放到0~1，Arduino端也要用相同的最大最小值做缩放。

内容的提问来源于stack exchange，提问作者janzobanzo7