Java 将Python 2D ndarray加载到Android中，以便在TFLite上进行推理

我想在加载到Android项目中的TensorFlow Lite模型上测试推断

我有一些在Python环境中生成的输入，我想保存到一个文件中，加载到我的Android应用程序中，并用于TFLite推断。我的输入有点大，一个例子是：

，数据类型：float32，形状：（1596,80）

我需要一些方法来序列化这个ndarray并将其加载到Android中

可以找到有关TFLite推断的更多信息。本质上，这应该是一个基本浮点的多维数组，或者一个字节缓冲

最简单的方法是什么：

• 在Python端序列化此数据数组
• 在Java端从文件中反序列化此blob

---

谢谢

我最终发现了这一点，有一个方便的Java库，名为，它允许您用Java打开.npy文件，因此也可以使用Android

在Python端，我以正常方式保存了一个展平的

.npy

：

data\u flat=data.flant（）
打印（数据平面形状）
np.save（file=“data.npy”，arr=data\u平面）

在Android中，我将其放入

assets

文件夹中

然后我将其加载到JavaNpy中：

InputStream=context.getAssets（）.open（“data.npy”）
Npy Npy=新的Npy（流）；
float[]npyData=npy.floateElements（）；

最后把它变成了张紧缓冲垫：

int[]inputShape=newint[]{1596,80}//在我将其展平之前，请先查看数据形状
TensorBuffer TensorBuffer=TensorBuffer.createFixedSize（inputShape，DataType.FLOAT32）；
加载数组（npyData）；

---

然后，我使用这个tensorBuffer在我的TFLite模型上进行推理。

我倾向于将2D数组展平为1D数组，然后使用协议缓冲区对其进行序列化，然后在Java端重新创建数组形状，但这似乎有点过分。你的目的是什么？你想测试java端代码，包括推断还是tflite模型？本质上，我的问题是，我试图调试奇怪的行为，因为我的tflite模型在Android上的准确性比在Windows上差得多。出于这个原因，我想在TFLite模型上进行推断，在Windows和Android上使用完全相同的输入，以查看结果是否匹配（它们应该匹配）。我没有尝试过，但看起来合法：文件或纯文本。如果您不想弄乱android文件系统，请将数据放入资产中。另一个选择是使用相同的输出生成两个相等的数据生成器：这对于测试预处理非常方便