android 调用 Tensorflow的模型出错了

Question

android 调用 Tensorflow的模型出错了.错误日志

```kotlin
FATAL EXCEPTION: main
    Process: com.vvfly.GsensorTest1, PID: 1790
    java.lang.IllegalStateException: Internal error: Unexpected failure when preparing tensor allocations:
    tensorflow/lite/kernels/expand_dims.cc:40 axis >= 0 was not true.
    Node number 0 (EXPAND_DIMS) failed to prepare.
    at org.tensorflow.lite.NativeInterpreterWrapper.allocateTensors(Native Method)
    at org.tensorflow.lite.NativeInterpreterWrapper.allocateTensorsIfNeeded(NativeInterpreterWrapper.java:303)
    at org.tensorflow.lite.NativeInterpreterWrapper.run(NativeInterpreterWrapper.java:243)
    at org.tensorflow.lite.InterpreterImpl.runForMultipleInputsOutputs(InterpreterImpl.java:133)
    at org.tensorflow.lite.Interpreter.runForMultipleInputsOutputs(Interpreter.java:80)
    at org.tensorflow.lite.InterpreterImpl.run(InterpreterImpl.java:126)
    at org.tensorflow.lite.Interpreter.run(Interpreter.java:80)
    at com.example.nrfc.BreathAIProcess.setDate(BreathAIProcess.java:121)
    at com.example.nrfc.MainActivity$14$3.run(MainActivity.java:837)
    at android.app.Activity.runOnUiThread(Activity.java:7785)
    at com.example.nrfc.MainActivity$14.onReceive(MainActivity.java:775)
    at android.support.v4.content.LocalBroadcastManager.executePendingBroadcasts(LocalBroadcastManager.java:308)
    at android.support.v4.content.LocalBroadcastManager.access$000(LocalBroadcastManager.java:46)
    at android.support.v4.content.LocalBroadcastManager$1.handleMessage(LocalBroadcastManager.java:118)
    at android.os.Handler.dispatchMessage(Handler.java:107)
    at android.os.Looper.loopOnce(Looper.java:232)
    at android.os.Looper.loop(Looper.java:317)
    at android.app.ActivityThread.main(ActivityThread.java:8501)
    at java.lang.reflect.Method.invoke(Native Method)
    at com.android.internal.os.RuntimeInit$MethodAndArgsCaller.run(RuntimeInit.java:552)
    at com.android.internal.os.ZygoteInit.main(ZygoteInit.java:878)

加载模型的代码:

    interpreter = new Interpreter(loadModelFile(mContext));

    // 加载模型文件
    private MappedByteBuffer loadModelFile(Context context) throws IOException {
        AssetFileDescriptor fileDescriptor = context.getAssets().openFd("model1.26-0.50.tflite");
        FileInputStream inputStream = new FileInputStream(fileDescriptor.getFileDescriptor());
        FileChannel fileChannel = inputStream.getChannel();
        long startOffset = fileDescriptor.getStartOffset();
        long declaredLength = fileDescriptor.getDeclaredLength();
        return fileChannel.map(FileChannel.MapMode.READ_ONLY, startOffset, declaredLength);
    }

这是我使用tensorflow的版本

    implementation 'org.tensorflow:tensorflow-lite:2.10.0'
//    implementation 'org.tensorflow:tensorflow-lite:+'

    implementation 'org.tensorflow:tensorflow-lite-select-tf-ops:2.10.0'

Answer 1

参考免费微信小程序：皆我百晓生 作答，经由专家-皆知整理回复，如问题解决，望采纳；如仍有疑问，请评论回复。

这个错误信息表明你的TensorFlow Lite模型在准备过程中遇到了问题，具体是由于EXPAND_DIMS操作的参数axis没有满足非负值的要求。这意味着你的模型期望在某个维度上进行扩展，但提供的轴索引是负数，这是不允许的。

为了解决这个问题，你需要检查以下几个方面：

1. 模型输入形状：首先确认你的输入数据是否与模型预期的输入形状相匹配。模型可能要求在特定维度上添加一个新的维度（例如，将一个一维向量转换为二位矩阵），而你的数据可能没有正确地预处理。

2. 模型定义：如果你自己定义了模型，检查tf.expand_dims的使用，确保axis参数的值在运行时不会是负数。如果是使用Keras，确保类似tf.keras.layers.Lambda(tf.expand_dims, arguments={'axis': some_positive_int})中的some_positive_int是正确的。

3. 数据预处理：在将数据送入模型之前，确保进行了正确的预处理。如果你需要在某个维度上扩展数据，确保这个操作是正确的，并且axis值是合法的。

4. 模型适配：如果你的模型是从其他来源获取的，确认模型文档或源代码中关于输入数据的形状要求，并相应调整你的数据。

针对你的代码，虽然没有直接展示数据预处理部分，但是解决方法通常涉及修改数据预处理逻辑。下面是一个简化的示例，展示了如何正确准备数据，假设你需要将一个一维数组作为模型的输入，而模型需要二维输入：

// 假设inputData是一维的数据数组，需要调整为模型所需的形状
float[] inputData = ...; // 你的数据
int inputSize = inputData.length;
TensorBuffer inputBuffer = TensorBuffer.createFixedSize(new int[]{1, inputSize}, DataType.FLOAT32);
inputBuffer.loadArray(inputData, new int[]{0, 0}); // 这里假设需要在第一个维度（axis=0）添加新维度

// 确保模型输出的处理也是正确的，这里不展示具体输出处理代码

try {
    interpreter.run(inputBuffer.getBuffer(), outputBuffer.getBuffer().rewind()); // 运行模型
} catch (Exception e) {
    e.printStackTrace();
}

如果你的问题在于模型本身对数据的期待与实际提供不符，上述代码段演示了如何手动确保输入数据的维度正确，避免在模型内部进行无效的expand_dims操作导致的错误。

如果问题依旧，建议详细审查模型的输入输出要求，并且可以尝试打印或调试检查数据预处理步骤，确保在喂给TensorFlow Lite模型之前数据的形状完全符合模型的预期。