使用Tensorflow lite时kotlin应用程序浮点类型转换

我对使用kotlin的tensorflow lite应用程序非常陌生。我已经使用mobilenet模型获取了一个用于图像分类的kotlin示例代码，它工作正常，现在我正在使用自己的自定义图像分类器模型进行尝试。 我正在使用输入形状为32x32x3的VGG体系结构，并将其转换为tflite，并且使用tflite解释器可以正常工作。 但是，当我在kotlin应用程序上尝试此操作时，我面临以下错误，我发现由于kotlin（自动类型转换）中的val类型，很难将其转换为float

fun recognizeImage（位图：位图）：列表{
val scaledBimat=Bitmap.createScaledBitmap（位图、inputSize、inputSize、false）
val byteBuffer=convertBitmapToByteBuffer（缩放位图）
val result=Array（1）{ByteArray（labelList.size）}
explorer.run（byteBuffer，result）
返回getSortedResult（结果）
}

错误日志

E/Exception:java.lang.IllegalArgumentException:无法在类型为FLOAT32的TensorFlowLite张量和类型为[[B（与TensorFlowLite类型UINT8兼容）的java对象之间转换

---

我该如何解决它呢？

首先，您需要仔细检查您的模型所期望的输入类型

如果是量化的，则模型期望在范围

[0255]

内输入

UINT8

对于原始版本的

VGG

，我记得（不确定）它期望浮点值在

[0，1]

范围内，这意味着您需要手动规范化输入数据

 fun recognizeImage(bitmap: Bitmap): List<Recognition> {
        val scaledBitmap = Bitmap.createScaledBitmap(bitmap, inputSize, inputSize, false)
        val byteBuffer = convertBitmapToByteBuffer(scaledBitmap)
        val result = Array(1) { ByteArray(labelList.size) }
        interpreter.run(byteBuffer, result)
        return getSortedResult(result)
    }