Python 3.x “如何修复”；解释器中至少有1个以numpy数组或切片形式引用内部数据；并在tf.lite上运行推断

我试图在mnist keras模型上使用tf.lite进行推理，我根据

它发生在我将图像调整为4维后，或者在注释行中看到解释器本身；因为之前的错误类似于“预期4维，但发现3维”。代码如下：

import tensorflow as tf
tf.enable_eager_execution()
import numpy as np
from tensorflow.keras.datasets import mnist
import matplotlib.pyplot as plt
%matplotlib inline

mnist_train, mnist_test = tf.keras.datasets.mnist.load_data()
images, labels = tf.cast(mnist_test[0], tf.float32)/255.0, mnist_test[1]
images = np.reshape(images,[images.shape[0],images.shape[1],images.shape[2],1])
mnist_ds = tf.data.Dataset.from_tensor_slices((images, labels)).batch(1, drop_remainder = True)

interpreter = tf.lite.Interpreter(model_path="C:\\Users\\USER\\Documents\\python\\converted_quant_model_cnn_5_100.tflite")
#tf.lite.Interpreter.resize_tensor_input(interpreter, input_index="index" , tensor_size=([1,28,28,1]) )

interpreter.allocate_tensors()
input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()
input_index = interpreter.get_input_details()[0]["index"]
output_index = interpreter.get_output_details()[0]["index"]

for img, label in mnist_ds.take(1):
  break
#print(img.get_shape)
interpreter.set_tensor(input_index, img)
interpreter.invoke()
predictions = interpreter.get_tensor(output_index)

---

在对tflite模型进行推理时，我遇到了同样的问题。 当回溯时，我最终读取了发生此运行时错误的函数

导致此错误的功能包括：

def _ensure_safe(self)

及

函数“_safe_to_run（）”是从函数“_sure_safe（）”中调用的。 _safe_to_run（）函数返回True或False。如果返回False，则会发生上述运行时错误

如果存在numpy数组缓冲区，则返回False。这意味着运行可能破坏（或改变）内部分配内存的tflite调用是不安全的

因此，为了使“_sure_safe（）”函数不引发此运行时错误，我们必须确保指向内部缓冲区的numpy数组不处于活动状态

此外，为了更清楚地说明，函数“\u sure\u safe（）”应该从调用解释器上可能重新分配内存的函数的任何函数调用。因此，当您调用函数时

解释器。分配张量（）

正如您在上面的代码中提到的，这个“解释器.allocate_tensors（）”函数在内部做的第一件事是将“\u sure_safe（）”函数调用为“解释器.allocate_tensors（）”函数，包括更改内部分配的内存（在本例中，更改意味着顾名思义的“分配”）。调用“invoke（）”函数时也会调用“\u sure\u safe（）”的另一个示例。有很多这样的函数，但是你明白了

现在已经知道了根本原因和工作原理，为了克服这个运行时错误，即没有指向内部缓冲区的numpy数组，我们必须清除它们

要清除它们，请执行以下操作：

a） 。关闭jupyter笔记本并重新启动内核，因为这将清除所有numpy阵列/片

b） 。或者只需再次加载模型，即在jupyter笔记本中再次运行此行：

interpreter = tf.lite.Interpreter(model_path="C:\\Users\\USER\\Documents\\python\\converted_quant_model_cnn_5_100.tflite")

希望这能解决你的问题，我向你保证这对我是有帮助的

如果这两个选项都没有，那么在上面的解释中，我已经指出了发生此错误的“原因”。因此，如果您找到了“没有指向内部缓冲区的numpy数组”的其他方法，请共享

---

参考资料：

只是想补充一下为我解决的问题。我使用的是脚本，所以它与Jupyter笔记本无关

我的问题是我使用的是

predictions=explorer.tensor（输出索引）

相反，

predictions=解释器。获取张量（输出索引）

---

但是，该问题与此线程中注释的错误相同

我正在使用脚本，对我来说，问题是同一脚本的多个实例同时运行。杀死实例解决了问题

您解决了这个问题吗？仍然在处理同样的问题。有一次，它似乎可以正常工作，但其他时候，同样的问题也会发生。问题已经解决。这是一个愚蠢的错误，我记不清了。可能是数据集或它的处理方式。对于记录，我通过确保调用

解释器来解决它。在
调用（）之前分配张量（）。
def _safe_to_run(self)

interpreter = tf.lite.Interpreter(model_path="C:\\Users\\USER\\Documents\\python\\converted_quant_model_cnn_5_100.tflite")