Keras模型转.pb并优化后安卓端预测随机，求解决方案

嘿，我之前也踩过类似跨平台模型转换的坑，结合你描述的年龄性别识别场景，咱们一步步排查解决：

1. 先确认模型转换的正确性 #

随机结果大概率是转换过程出了问题，先把这一步做扎实：

• 显式指定输入输出节点：别依赖默认节点名，先在Python端打印出模型的输入输出节点名称，再用这些名称冻结图，避免节点匹配错误。
  示例代码：

  # 加载预训练Keras模型
  from tensorflow.keras.models import load_model
  import tensorflow as tf
  
  model = load_model('your_pretrained_model.h5')
  # 获取输入输出节点的基础名称（去掉":0"后缀）
  input_node = model.input.name.split(':')[0]
  output_nodes = [out.name.split(':')[0] for out in model.outputs]
  print(f"输入节点: {input_node}, 输出节点: {output_names}")
  
  # 转换为冻结图
  sess = tf.compat.v1.keras.backend.get_session()
  graph_def = sess.graph.as_graph_def()
  frozen_graph = tf.compat.v1.graph_util.convert_variables_to_constants(
      sess, graph_def, output_nodes)
  
  # 保存为.pb文件
  with open('frozen_age_gender_model.pb', 'wb') as f:
      f.write(frozen_graph.SerializeToString())
  

• 先禁用优化再测试：如果用了TensorFlow的量化或图优化，先尝试不做任何优化直接转换。有些模型对量化敏感，激进优化会直接破坏推理逻辑。

2. 严格对齐Python与Android的图像预处理 #

这是最容易忽略的核心问题！两端的预处理逻辑必须完全一致：

• 图像尺寸匹配：Android端输入模型的图像尺寸要和Python演示中的完全相同（比如模型要求224×224，就不能用其他尺寸）。
• 通道顺序与格式：Python中Keras默认用RGB通道，而Android的Bitmap默认是ARGB_8888格式，需要转换成纯RGB，还要确认是否和模型要求的通道顺序一致（比如有些模型用BGR，要对应调整）。
• 归一化逻辑复刻：如果Python中用了(img / 255.0)或者(img - mean_value) / std_value，Android端必须1:1实现，不能用不同的归一化参数。
  Android端预处理示例：

  // 将Bitmap转为模型要求的RGB输入数组
  int imgWidth = 224;
  int imgHeight = 224;
  float[] inputArray = new float[imgWidth * imgHeight * 3];
  int[] pixels = new int[imgWidth * imgHeight];
  bitmap.getPixels(pixels, 0, imgWidth, 0, 0, imgWidth, imgHeight);
  
  for (int i = 0; i < imgWidth * imgHeight; i++) {
      int pixel = pixels[i];
      // 这里的通道顺序要和Python端完全一致
      inputArray[i * 3] = ((pixel >> 16) & 0xFF) / 255.0f; // R通道
      inputArray[i * 3 + 1] = ((pixel >> 8) & 0xFF) / 255.0f; // G通道
      inputArray[i * 3 + 2] = (pixel & 0xFF) / 255.0f; // B通道
      // 如果Python用了减均值/除标准差，这里也要对应修改
      // inputArray[i*3] = (((pixel >>16)&0xFF) - 127.5) / 127.5;
  }
  

3. 验证Android端的推理输入输出 #

• 张量形状与类型匹配：确保Android端构造的输入张量形状（比如[1, 224, 224, 3]，对应batch size=1、高宽224、3通道）和数据类型（比如float32）与模型要求完全一致。
• 输出节点解析正确：如果模型是双输出（年龄+性别），要确认Android端读取的是转换时指定的输出节点，解析逻辑也要匹配（比如性别是二分类，取softmax后的最大值；年龄是回归或多分类，对应正确的数值映射）。

4. 用测试图做对比调试 #

找一张在Python演示中结果正确的测试图，把它传到Android端，用完全相同的预处理后推理，对比两端结果：

• 如果Python端用转换后的.pb文件推理正常，Android端结果随机，说明预处理或Android推理逻辑有问题；
• 如果Python端用.pb文件推理也随机，那就是转换过程出错，回到第一步重新调整转换参数。

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