Android Tensorflow Lite模型推理的精度非常低

我想创建一个预测年龄和性别的模型，并将其集成到android应用程序中

我在Ubuntu 16上，使用Python 3.6、Tensorflow 1.13.1和Keras 2.2.4

首先，我用IMDB数据集训练不同的模型：从keras和我自己编写的VGG。 对于这两个MobileNet，我使用imagenet权重来初始化模型

准确率相当高，性别的准确率超过90%

培训结束后，我尝试了几种在tflite中转换模型的方法：

• 直接从.h5文件转换的三种方式：

• 我首先将模型转换为tf图，如中所述

在转换之前，我还尝试使用这行代码：

tf.keras.backend.set_learning_phase(0)

最后，我在Android Studio中加载.tflite文件：

private ByteBuffer convertBitmapToByteBuffer(Bitmap bitmap) {
        int SIZE_IMAGE = 96;
        ByteBuffer byteBuffer = ByteBuffer.allocateDirect(4*1*SIZE_IMAGE*SIZE_IMAGE*3);
        byteBuffer.order(ByteOrder.nativeOrder());
        int[] pixels = new int[SIZE_IMAGE * SIZE_IMAGE];
        bitmap.getPixels(pixels, 0, bitmap.getWidth(), 0, 0, bitmap.getWidth(), bitmap.getHeight());
        int pixel = 0;
        for(int i=0; i < SIZE_IMAGE; i++){
            for(int j=0; j<SIZE_IMAGE;j++){
                final int val = pixels[pixel++];
                byteBuffer.putFloat((float) (((val >> 16) & 0xFF)/255));
                byteBuffer.putFloat((float) (((val >> 8) & 0xFF)/255));
                byteBuffer.putFloat((float) ((val & 0xFF)/255));

            }
        }    

public String recognizeImage(Bitmap bitmap) {
        ByteBuffer byteBuffer = convertBitmapToByteBuffer(bitmap);
        Map<Integer, Object> cnnOutputs = new HashMap<>();
        float[][] gender=new float[1][2];
        cnnOutputs.put(0,gender);
        float[][]age=new float[1][21];
        cnnOutputs.put(1,age);
        Object[] inputs = {byteBuffer};
        interpreter.runForMultipleInputsOutputs(inputs, cnnOutputs);
        String result = convertToResults(gender[0], age[0]);
        return result;
    }

private ByteBuffer convertBitmapToByteBuffer（位图）{
int SIZE_IMAGE=96；
ByteBuffer ByteBuffer=ByteBuffer.allocateDirect（4*1*SIZE\u IMAGE*SIZE\u IMAGE*3）；
byteBuffer.order（ByteOrder.nativeOrder（））；
int[]像素=新int[SIZE_图像*SIZE_图像]；
getPixels（像素，0，bitmap.getWidth（），0，0，bitmap.getWidth（），bitmap.getHeight（））；
整数像素=0；
对于（int i=0；i16）&0xFF）/255）；
byteBuffer.putFloat（（float）（（val>>8）和0xFF）/255）；
byteBuffer.putFloat（（float）（（val&0xFF）/255））；
}
}    
公共字符串识别图像（位图）{
ByteBuffer ByteBuffer=convertBitmapToByteBuffer（位图）；
Map cnnOutputs=newhashmap（）；
浮动[]性别=新浮动[1][2]；
cnnOutputs.put（0，性别）；
浮动[]年龄=新浮动[1][21]；
cnnOutputs.put（1，年龄）；
对象[]输入={byteBuffer}；
runForMultipleInputsOutputs（输入，cnnOutputs）；
字符串结果=转换结果（性别[0]，年龄[0]）；
返回结果；
}

在最终推断过程中，无论使用何种模型，精度都很低。要么口译员预测的结果总是完全相同，要么预测的年龄变化不大，但预测的性别总是“女性”

我该怎么办

---

提前谢谢

尝试使用keras模型和tflite模型处理一个输入数据并比较推断结果。可能输出不匹配。你可以从那里调试

converter = tf.contrib.lite.TocoConverter.from_keras_model_file(model_to_convert)
tflite_model = converter.convert()
open(model_converted, "wb").write(tflite_model)

tf.keras.backend.set_learning_phase(0)

private ByteBuffer convertBitmapToByteBuffer(Bitmap bitmap) {
        int SIZE_IMAGE = 96;
        ByteBuffer byteBuffer = ByteBuffer.allocateDirect(4*1*SIZE_IMAGE*SIZE_IMAGE*3);
        byteBuffer.order(ByteOrder.nativeOrder());
        int[] pixels = new int[SIZE_IMAGE * SIZE_IMAGE];
        bitmap.getPixels(pixels, 0, bitmap.getWidth(), 0, 0, bitmap.getWidth(), bitmap.getHeight());
        int pixel = 0;
        for(int i=0; i < SIZE_IMAGE; i++){
            for(int j=0; j<SIZE_IMAGE;j++){
                final int val = pixels[pixel++];
                byteBuffer.putFloat((float) (((val >> 16) & 0xFF)/255));
                byteBuffer.putFloat((float) (((val >> 8) & 0xFF)/255));
                byteBuffer.putFloat((float) ((val & 0xFF)/255));

            }
        }    

public String recognizeImage(Bitmap bitmap) {
        ByteBuffer byteBuffer = convertBitmapToByteBuffer(bitmap);
        Map<Integer, Object> cnnOutputs = new HashMap<>();
        float[][] gender=new float[1][2];
        cnnOutputs.put(0,gender);
        float[][]age=new float[1][21];
        cnnOutputs.put(1,age);
        Object[] inputs = {byteBuffer};
        interpreter.runForMultipleInputsOutputs(inputs, cnnOutputs);
        String result = convertToResults(gender[0], age[0]);
        return result;
    }