无法在具有307200字节的TensorFlowLite缓冲区和具有270000字节的Java缓冲区之间转换

Question

我正在尝试从Tensorflow detection model zoo运行预训练的对象检测TensorFlowLite模型。我在[[Mobile Models标题下使用了此站点的ssd_mobilenet_v3_small_coco模型。根据在Android上运行我们的模型下的instructions，我注释掉了模型下载脚本以避免资产被覆盖：// apply from:'download_model.gradle'文件中的build.gradle并替换了detect.tflite和labelmap.txt文件在资产目录中。构建成功，没有任何错误，该应用已安装在我的android设备中，但启动后便崩溃了，并且logcat显示：

E/AndroidRuntime: FATAL EXCEPTION: inference
Process: org.tensorflow.lite.examples.detection, PID: 16960
java.lang.IllegalArgumentException: Cannot convert between a TensorFlowLite buffer with 307200 bytes and a Java Buffer with 270000 bytes.
    at org.tensorflow.lite.Tensor.throwIfShapeIsIncompatible(Tensor.java:425)
    at org.tensorflow.lite.Tensor.throwIfDataIsIncompatible(Tensor.java:392)
    at org.tensorflow.lite.Tensor.setTo(Tensor.java:188)
    at org.tensorflow.lite.NativeInterpreterWrapper.run(NativeInterpreterWrapper.java:150)
    at org.tensorflow.lite.Interpreter.runForMultipleInputsOutputs(Interpreter.java:314)
    at org.tensorflow.lite.examples.detection.tflite.TFLiteObjectDetectionAPIModel.recognizeImage(TFLiteObjectDetectionAPIModel.java:196)
    at org.tensorflow.lite.examples.detection.DetectorActivity$2.run(DetectorActivity.java:185)
    at android.os.Handler.handleCallback(Handler.java:873)
    at android.os.Handler.dispatchMessage(Handler.java:99)
    at android.os.Looper.loop(Looper.java:201)
    at android.os.HandlerThread.run(HandlerThread.java:65)

我已经搜索了许多TensorFlowLite文档，但没有发现与此错误相关的任何内容，我发现了一些关于stackoverflow的问题，这些问题具有相同的错误消息，但是是针对定制训练模型的，因此没有帮助。即使在经过定制训练的模型上，也会继续出现相同的错误。我应该怎么做才能消除此错误？

Answer 1

您应该调整输入张量的大小，以便模型可以获取任何大小，像素或批次的数据。

标签长度必须与您的输出张量长度匹配经过训练的模型。

  int[] dimensions = new int[4];
  dimensions[0] = 1; // Batch_size // No of frames at a time
  dimensions[1] = 224; // Image Width required by model
  dimensions[2] = 224; // Image Height required by model
  dimensions[3] = 3; // No of Pixels
  Tensor tensor = c.tfLite.getInputTensor(0);
  c.tfLite.resizeInput(0, dimensions);
  Tensor tensor1 = c.tfLite.getInputTensor(0);

Change input size