keras 和 tensorflow lite model 之間的預測差異

Question

根據來自移動加速度計的數據，我創建了 keras model 來識別人類活動：

model = Sequential()
model.add(Reshape((const.PERIOD, const.N_FEATURES), input_shape=(240,)))
model.add(Conv1D(100, 10, activation='relu', input_shape=(const.PERIOD, const.N_FEATURES)))
model.add(Conv1D(100, 10, activation='relu'))
model.add(MaxPooling1D(const.N_FEATURES))
model.add(Conv1D(160, 10, activation='relu'))
model.add(Conv1D(160, 10, activation='relu'))
model.add(Flatten())
model.add(Dropout(0.5))
model.add(Dense(7, activation='softmax'))
model.summary()
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

我已經測試過 model，十個 epoch 后的准確率大約是 85-90%。 我不知道，但是當我將 model 轉換為 TF Lite 並在我的 android 應用程序中運行解釋器時，會有可怕的預測。 結果不好的原因是什么？ keras -> tensorflow -> tensorflow lite line 不兼容？ 我應該以另一種方式運行它，使用類似 servlet + keras model 之類的東西嗎？

Answer 1

幾點建議：

1. 嘗試使用https://lutzroeder.github.io/netron/可視化您的 tflite 圖。 看看有沒有什么意外。
2. 首先嘗試使用 tensorflow lite 的 python API 進行調試。 將相同的輸入輸入到 keras model 和 tflite model 並比較 Z78E6221F6393D1356D8681