在Android中运行TensorFlow模型时发生java.nio.BufferOverflowException运行时错误？

出于某种原因，每当我在android中增加用于推理的输入图像大小（用于图像分类）时，就会出现此错误：

我也不知道为什么。对于低于我使用的输入图像大小，模型运行良好。此外，这个问题仅限于我使用的一个模型。我也试过更小和更大（2倍大）的型号，它们工作得非常好。只有这个模型给了我这个问题，但我无法根据产生的错误来确定这个模型到底出了什么问题

特定错误堆栈跟踪：

TensorFlowImageClassifier.java:

    inferenceInterface.fetch(outputName, outputs);

public void fetch(String var1, float[] var2) {
    this.fetch(var1, FloatBuffer.wrap(var2));
}

public void writeTo(FloatBuffer var1) {
    if(this.dtype != DataType.FLOAT) {
        throw incompatibleBuffer(var1, this.dtype);
    } else {
        ByteBuffer var2 = this.buffer();
        var1.put(var2.asFloatBuffer());
    }
}

public FloatBuffer put(FloatBuffer src) {
    if (src == this)
        throw new IllegalArgumentException();
    int n = src.remaining();
    if (n > remaining())
        throw new BufferOverflowException();
    for (int i = 0; i < n; i++)
        put(src.get());
    return this;
}

TensorFlowEnferenceInterace.java:

    inferenceInterface.fetch(outputName, outputs);

public void fetch(String var1, float[] var2) {
    this.fetch(var1, FloatBuffer.wrap(var2));
}

public void writeTo(FloatBuffer var1) {
    if(this.dtype != DataType.FLOAT) {
        throw incompatibleBuffer(var1, this.dtype);
    } else {
        ByteBuffer var2 = this.buffer();
        var1.put(var2.asFloatBuffer());
    }
}

public FloatBuffer put(FloatBuffer src) {
    if (src == this)
        throw new IllegalArgumentException();
    int n = src.remaining();
    if (n > remaining())
        throw new BufferOverflowException();
    for (int i = 0; i < n; i++)
        put(src.get());
    return this;
}

Tensor.java:

    inferenceInterface.fetch(outputName, outputs);

public void fetch(String var1, float[] var2) {
    this.fetch(var1, FloatBuffer.wrap(var2));
}

public void writeTo(FloatBuffer var1) {
    if(this.dtype != DataType.FLOAT) {
        throw incompatibleBuffer(var1, this.dtype);
    } else {
        ByteBuffer var2 = this.buffer();
        var1.put(var2.asFloatBuffer());
    }
}

public FloatBuffer put(FloatBuffer src) {
    if (src == this)
        throw new IllegalArgumentException();
    int n = src.remaining();
    if (n > remaining())
        throw new BufferOverflowException();
    for (int i = 0; i < n; i++)
        put(src.get());
    return this;
}

FloatBuffer.java:

    inferenceInterface.fetch(outputName, outputs);

public void fetch(String var1, float[] var2) {
    this.fetch(var1, FloatBuffer.wrap(var2));
}

public void writeTo(FloatBuffer var1) {
    if(this.dtype != DataType.FLOAT) {
        throw incompatibleBuffer(var1, this.dtype);
    } else {
        ByteBuffer var2 = this.buffer();
        var1.put(var2.asFloatBuffer());
    }
}

public FloatBuffer put(FloatBuffer src) {
    if (src == this)
        throw new IllegalArgumentException();
    int n = src.remaining();
    if (n > remaining())
        throw new BufferOverflowException();
    for (int i = 0; i < n; i++)
        put(src.get());
    return this;
}

公共FloatBuffer put（FloatBuffer src）{
如果（src==此）
抛出新的IllegalArgumentException（）；
int n=src.remaining（）；
如果（n>剩余（）
抛出新的BufferOverflowException（）；
对于（int i=0；i

退出堆栈跟踪和错误消息，似乎投诉是提供给

获取的
float[]
数组长度小于您的型号生成的输出大小。因此，您需要调整代码，以便为
获取
提供大小更合适的数组

不幸的是，
tensorflow推论接口
类没有公共方法来访问获取的张量的实际形状。如果您是从源代码进行构建，则可以通过向类中添加以下内容来实现：

public long[] fetchShape(String outputName) {
  return getTensor(outputName).shape();
}

（这可能是对项目的良好贡献）

希望有帮助。
问题肯定会如所述

使用此日志输出查看张量输出的形状：

Log.i(TAG, "This is the output tensor shape of my .pb file in asset folder" + 
inferenceInterface.graph().operation(outputNames[i]).output(0).shape());

希望这将有助于跟踪调试过程。
从这里引用-->我看到了线程，但我认为这不是问题的原因。（缓冲区是在库内部分配的，我无法控制它）。此外，我运行了一个更大的模型，并且大小没有超过；gc（）；但是，不幸的是，我需要的容量是固定的，我不太确定在代码中我可以进一步降低内存需求的地方。我认为问题与模型实现有关，因为我使用了一个更大的模型，它消耗了大约3倍的内存，但在移动设备上运行它没有问题。有没有办法检查模型中的大部分内存来自何处？