将Python2D ndarray加载到Android中，以便在TFLite上进行推理
将Python2D ndarray加载到Android中，以便在TFLite上进行推理
提问于 2020-12-08 08:55:39
我想测试一下我加载到一个安卓项目中的TensorFlow Lite模型的推断。
我在Python环境中生成了一些输入，我想将其保存到文件中，加载到我的安卓应用程序中，并用于TFLite推断。我的输入有点大，一个例子是：
<class 'numpy.ndarray'>, dtype: float32, shape: (1, 596, 80)
我需要一些方法来序列化这个ndarray并将其加载到Android中。
有关TFLite推理的更多信息可以找到这里。本质上，这应该是一个多维度的原始浮点数数组，或者一个ByteBuffer。
最简单的方法是：
- 在Python端序列化这个ndarray
- 从文件中反序列化Java端的这个blob
谢谢!
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-12-09 07:53:56
最后，我发现了一个名为JavaNpy的方便的Java库，它允许您在Java中打开.npy文件，从而使用Android。
在Python方面，我以正常的方式保存了一个扁平的.npy：
data_flat = data.flatten()
print(data_flat.shape)
np.save(file="data.npy", arr=data_flat)在安卓系统中，我把这个放在assets文件夹中。
然后我将其加载到JavaNpy中：
InputStream stream = context.getAssets().open("data.npy")
Npy npy = new Npy(stream);
float[] npyData = npy.floatElements();并最终将其转换为一个TensorBuffer：
int[] inputShape = new int[]{1, 596, 80}; //the data shape before I flattened it
TensorBuffer tensorBuffer = TensorBuffer.createFixedSize(inputShape, DataType.FLOAT32);
tensorBuffer.loadArray(npyData);然后，我使用这个tensorBuffer来推断我的TFLite模型。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/65203358
复制相关文章
相似问题
腾讯云开发者
