Python tf.lite.Interpreter.tensor用法及代码示例

用法

tensor(
    tensor_index
)

返回提供当前张量缓冲区的 numpy 视图的函数。

这允许在没有副本的情况下读取和写入该张量。这更接近于 C++ 解释器类接口的tensor() 成员，因此得名。注意不要通过调用 allocate_tensors() 和 invoke() 来保留这些输出引用。此函数不能用于读取中间结果。

用法：

interpreter.allocate_tensors()
input = interpreter.tensor(interpreter.get_input_details()[0]["index"])
output = interpreter.tensor(interpreter.get_output_details()[0]["index"])
for i in range(10):
  input().fill(3.)
  interpreter.invoke()
  print("inference %s" % output())

请注意此函数如何避免直接创建一个 numpy 数组。这是因为重要的是不要将数据的实际 numpy 视图保存得比必要的时间长。如果这样做，则无法再调用解释器，因为解释器可能会调整大小并使引用的张量无效。 NumPy API 不允许底层缓冲区的任何可变性。

错误的：

input = interpreter.tensor(interpreter.get_input_details()[0]["index"])()
output = interpreter.tensor(interpreter.get_output_details()[0]["index"])()
interpreter.allocate_tensors()  # This will throw RuntimeError
for i in range(10):
  input.fill(3.)
  interpreter.invoke()  # this will throw RuntimeError since input,output