上篇講述如何把tensorflow模型轉(zhuǎn)換成tflite模型，用于部署到移動(dòng)端。

這篇分享如何在PC端對(duì)tflite模型進(jìn)行預(yù)測(cè)，測(cè)試模型是否可用

首先，加載tflite模型，查看模型的輸入輸出

import numpy as np
import tensorflow as tf
import cv2

# Load TFLite model and allocate tensors.
interpreter = tf.lite.Interpreter(model_path="newModel.tflite")
interpreter.allocate_tensors()

input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()

print(input_details)
print(output_details)

打印結(jié)果：

[{'name': 'input_1', 'index': 115, 'shape': array([  1, 224, 224,   3]), 'dtype': <class 'numpy.float32'>, 'quantization': (0.0, 0)}]
[{'name': 'activation_1/truediv', 'index': 6, 'shape': array([    1, 12544,     2]), 'dtype': <class 'numpy.float32'>, 'quantization': (0.0, 0)}]

從input details里可看到，需要輸入的numpy數(shù)組 [1, 224, 224, 3]，數(shù)據(jù)類型為float32。
index：115的意思，我理解是傳入數(shù)據(jù)放置的位置

于是我們需要這里處理下input的數(shù)據(jù)，為了方便，我把數(shù)據(jù)預(yù)存成csv文件了,取出來(lái)能直接使用

input_data = np.loadtxt('C:/Users\WIN10/input.csv',delimiter=',')
input_data = input_data.reshape(1,224,224,3)
input_data = input_data.astype(np.float32)
index = input_details[0]['index']
interpreter.set_tensor(index, input_data)

這樣就把input數(shù)據(jù)設(shè)置好了，并且把數(shù)據(jù)傳入網(wǎng)絡(luò)模型

開(kāi)始做預(yù)測(cè)：

interpreter.invoke()

讀出預(yù)測(cè)結(jié)果

output_data = interpreter.get_tensor(output_details[0]['index'])
print('output_data shape:',output_data.shape)

output_data就是預(yù)測(cè)結(jié)果的源數(shù)據(jù)，print出來(lái)的shape就是上面output_detail 里的shape[ 1, 12544, 2]

最后還需要對(duì)預(yù)測(cè)的源數(shù)據(jù)進(jìn)行后處理，解析出我們要的結(jié)果，這里每個(gè)工程的都不一樣，僅供參考。

output_data = output_data.reshape(224,112)
pr = output_data.reshape(112,112,2).argmax( axis=2 )
seg_img = np.zeros( ( 112 , 112 , 3  ) )
seg_img[:,:,0] += ((pr[:,: ] == 1 )*200).astype('uint8')
seg_img[:,:,1] += ((pr[:,: ] == 1 )*200).astype('uint8')
seg_img[:,:,2] += ((pr[:,: ] == 1 )*200).astype('uint8')
cv2.imshow('img',seg_img)
cv2.waitKey(0)