Ios Tensorflow-backed Keras模型到CoreML的转换

我有一个简单的Tensorflow-backed Keras模型，如下所示：

x_test = np.zeros((len(data) - max_samples, max_len, max_features), dtype=np.bool)
y_test = np.zeros((len(data) - max_samples, max_len, max_features), dtype=np.bool)

#... Populate x_test and y_test

model = Sequential()
model.add(LSTM(32, batch_input_shape = (1, max_len, max_features), return_sequences=True, stateful=True))
model.add(Dense(max_features, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer=RMSprop(lr=0.01),  metrics=['accuracy'])

在python中，当它使用shape

（1，max\u len，max\u features）的输入进行预测时，它可以很好地工作。

但是，当使用

coremltools

导出到CoreML模型时，输入完全不同，如下所示：

它需要3个双精度阵列。不知道为什么，我的初始形状的映射是什么

更新：

我尝试按如下方式输入每个迭代中的

lstm\u 1\u h\u和
lstm\u 1\u c\u的模型权重，但在这种情况下，模型返回
nan

Model* model = [Model new];
MLMultiArray* h = [[MLMultiArray alloc] initWithShape:@[@(neurons)]
                                             dataType:MLMultiArrayDataTypeDouble
                                                error:&error];
MLMultiArray* c = [[MLMultiArray alloc] initWithShape:@[@(neurons)]
                                         dataType:MLMultiArrayDataTypeDouble
                                            error:&error];
NSAssert(error == nil, assertMessage);

for (NSUInteger i = 0; i < neurons; i++) {
    [h setObject:@(0) forKeyedSubscript:@[@(i)]];
    [c setObject:@(0) forKeyedSubscript:@[@(i)]];
}

ModelOutput* modelOutput = nil;
for (NSUInteger i = 0; i < data.count; i++) {

    MLMultiArray* input = [[MLMultiArray alloc] initWithShape:@[@(modelZCount)]
                                                         dataType:MLMultiArrayDataTypeDouble
                                                            error:&error];
    NSAssert(error == nil, assertMessage);

    NSArray* key = @[data[i]];
    [input setObject:@(1) forKeyedSubscript:key];

    ModelInput* modelInput = [[ModelInput alloc] initWithInput1:input
                                                    lstm_1_h_in:h
                                                    lstm_1_c_in:c];

    modelOutput = [model predictionFromFeatures:modelInput error:&error];
    assertMessage = @"Failed to predict based on settings";
    NSAssert(error == nil, assertMessage);
    NSAssert(modelOutput != nil, assertMessage);

    h = modelOutput.lstm_1_h_out;
    c = modelOutput.lstm_1_c_out;
}

//modelOutput.output1 is @[nan, nan, nan, ...]
//same for lstm_1_h_in and lstm_1_c_in

Model*Model=[Model new]；
MLMultiArray*h=[[MLMultiArray alloc]initWithShape:@[@（神经元）]
数据类型：MLMultiArrayDataTypeDouble
错误：&错误]；
MLMultiArray*c=[[MLMultiArray alloc]initWithShape:@[@（神经元）]
数据类型：MLMultiArrayDataTypeDouble
错误：&错误]；
NSAssert（错误==nil，assertMessage）；
对于（整数i=0；i<0；i++）{
[h setObject:@（0）forKeyedSubscript:@[@（i）]；
[c setObject:@（0）forkeydsubscript:@[@（i）]；
}
ModelOutput*ModelOutput=nil；
对于（整数i=0；i
batch size dim已删除？我以前没有将CoreML与RNN一起使用过，但LSTM单元格会将先前（或初始）隐藏状态作为输入。这是您在这里看到的两个额外输入。在Keras中，您还可以使用
初始状态
参数提供这些参数。如果删除
stateful=True
，会发生什么情况？你的核心ML模型还有那两个额外的输入吗？@Matthijs Hollemans我在想这个问题，但在Keras中，当使用predict时，你不必这样做，这让我偏离了轨道。如果我删除stateful，事情就完全一样了。事实上，现在我在考虑它，有意义，而不是发送你发送前一个状态的时间。我将尝试并报告。@MatthijsHollemans我尝试过，不幸的是，输出总是
nan
。更新了我的答案。我的问题是，我没有将多数组初始化为0。显然，它们是用垃圾值初始化的。