TensorFlow重训练模型在Android设备上表现异常的技术咨询

我之前也碰到过一模一样的情况——电脑上测试模型分类准得一批，放到Android里就各种出问题。结合TensorFlow for Poets的教程逻辑，给你梳理几个最可能的排查方向：

1. 别直接用.pb文件！先转成TensorFlow Lite格式 #

电脑端的retrained_graph.pb是标准TensorFlow GraphDef模型，Android端更适配**TensorFlow Lite（.tflite）**格式，直接丢.pb文件进去大概率会加载失败或者输出乱码。

赶紧转个格式试试，执行这条命令：

tflite_convert --output_file=tf_files/retrained_graph.tflite --graph_def_file=tf_files/retrained_graph.pb --input_arrays=Placeholder --output_arrays=final_result

把生成的retrained_graph.tflite和标签文件（retrained_labels.txt）一起放到assets文件夹里，替换原来的.pb文件。

2. 核对Android代码的输入输出配置 #

模型的输入输出节点、尺寸必须和训练/转换时完全匹配：

• 输入尺寸：教程默认是224x224像素，代码里预处理图片时必须缩放到这个尺寸，不能随便改
• 节点名称：转换模型时指定的input_arrays是Placeholder，output_arrays是final_result，Android代码里调用模型时要对应上
• 标签顺序：retrained_labels.txt里的类别顺序必须和训练时的类别顺序完全一致，多一个空格、换行都可能导致分类错位

3. 确认assets文件被正确打包 #

有时候Android Studio会抽风，没把assets里的文件打包进去，检查下build.gradle的配置：

android {
    sourceSets {
        main {
            assets.srcDirs = ['src/main/assets']
        }
    }
}

然后执行Build > Clean Project再Rebuild Project，清掉缓存重新编译。

4. 对齐图片预处理逻辑 #

电脑端的label_image.py有一套固定的预处理流程，Android端必须1:1复刻，差一点都不行：

• 颜色通道：要转成RGB（别用Android默认的BGR）
• 归一化：把像素值除以255.0转成0-1之间的float值
• 尺寸：严格缩放到224x224，不能拉伸变形

给你贴个Java版的预处理示例，你对照着改：

// 缩放图片到模型要求的224x224
Bitmap resizedBitmap = Bitmap.createScaledBitmap(originalBitmap, 224, 224, true);
float[] inputArray = new float[224 * 224 * 3];
int idx = 0;
for (int y = 0; y < 224; y++) {
    for (int x = 0; x < 224; x++) {
        int pixel = resizedBitmap.getPixel(x, y);
        // 按RGB顺序归一化
        inputArray[idx++] = Color.red(pixel) / 255.0f;
        inputArray[idx++] = Color.green(pixel) / 255.0f;
        inputArray[idx++] = Color.blue(pixel) / 255.0f;
    }
}

5. 打印输出调试 #

如果还是不行，就在Android代码里把模型输出的所有类别概率都打印出来，和电脑端的结果对比：

• 如果输出概率完全乱序，说明标签文件读错了
• 如果概率值都接近0或者1，说明预处理有问题
• 如果模型直接加载失败，检查.tflite文件是否损坏

内容的提问来源于stack exchange，提问作者tetedp