如何解释 TFLite output 张量

Question

我正在 python 上执行 TFLite model，以便根据输入数据进行预测。 model 已经在 AutoML-Google-API 上进行了训练，然后我下载了它的 TFLite model。 我使用 tf.lite.Interpreter 加载 model 并运行推理如下

input_details = interpreter.get_input_details();print(input_details )
output_details = interpreter.get_output_details();print(output_details )
//...preparing input_data
interpreter.set_tensor(input_details[0]['index'], input_data)
interpreter.invoke()
output_data = interpreter.get_tensor(output_details[0]['index']);print(output_data )

结果如下：

input_details: 
[{'name': 'image',
  'index': 0,
  'shape': array([  1, 224, 224,   3]),
  'dtype': numpy.uint8,
  'quantization': (0.007874015718698502, 128)}]
output_details: 
[{'name': 'scores',
  'index': 173,
  'shape': array([ 1, 10]),
  'dtype': numpy.uint8,
  'quantization': (0.00390625, 0)}]
output_data : 
array([[ 34, 100,  67,  14,  15,  24,  21,  18,  25,  37]], dtype=uint8)

output_data有一些 integer 数字，说“其最大数字的索引对应于预测的标签”是真的，我怎样才能将这些数字转换为概率？

Answer 1

您可以使用softmax将数字转换为概率分布和argmax以获得最大概率的 label 的索引。

所以是这样的：

output_probs = tf.math.softmax(output_data)
pred_label = tf.math.argmax(output_probs)