我正在使用Tensorflow API for C在python中加载预先训练的模型，并在嵌入式编译程序中运行预测。我使用的模型以字符串作为输入，字符串被转换为张量，并给出一个浮点值作为输出。
API加载模型很好，并且运行会话时不会抱怨。
我面临的问题是，无论我向C API会话提供什么数据，我总是得到完全相同的输出张量。因此，我猜我做错了什么，我就是看不出是什么。但我假设我没有按照C API所期望的方式格式化输入数据。
以下是saved_model_cli:的输出
The given SavedModel SignatureDef contains the following input(s):
inputs['lstm_input'] tensor_info:
dtype: DT_FLOAT
shape: (-1, 64, 88)
name: serving_default_lstm_input:0
The given SavedModel SignatureDef contains the following output(s):
outputs['dense'] tensor_info:
dtype: DT_FLOAT
shape: (-1, 1)
name: StatefulPartitionedCall:0
Method name is: tensorflow/serving/predict
在python中，以下是我如何将输入字符串转换为张量：(变量X和X_val分别保存训练字符串和验证字符串(
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences
from tensorflow.keras.utils import to_categorical
alphabet_size = len(set(all_lines))
tokenizer = Tokenizer(char_level=True)
tokenizer.fit_on_texts(all_lines)
seq_X = tokenizer.texts_to_sequences(X)
seq_X_val = tokenizer.texts_to_sequences(X_val)
seq_X = pad_sequences(seq_X, maxlen=64, padding='post')
seq_X_val = pad_sequences(seq_X_val, maxlen=64, padding='post')
one_hot_X = [to_categorical(x, num_classes=alphabet_size) for x in seq_X]
one_hot_X_val = [to_categorical(x_val, num_classes=alphabet_size) for x_val in seq_X_val]
one_hot_X = np.array(one_hot_X)
one_hot_X_val = np.array(one_hot_X_val)
这最终给了我以下tokenizer.word_index:
{'%': 1, '2': 2, 'e': 3, 'l': 4, 'c': 5, 'n': 6, 'i': 7, 'a': 8, '0': 9, 's': 10, 'r': 11, 't': 12, '/': 13, '1': 14, 'o': 15, 'u': 16, ',': 17, 'd': 18, '7': 19, 'h': 20, '8': 21, ' ': 22, '6': 23, '9': 24, '=': 25, 'n': 26, '(': 27, ')': 28, 'p': 29, 'b': 30, '5': 31, 'm': 32, 'f': 33, 'w': 34, '3': 35, 'g': 36, 'v': 37, '?': 38, 'x': 39, "'": 40, '-': 41, '4': 42, '&': 43, '.': 44, '+': 45, '_': 46, 'y': 47, '|': 48, 'k': 49, 'j': 50, '@': 51, 'z': 52, '#': 53, '"': 54, 'q': 55, '>': 56, '*': 57, '~': 58, '!': 59, '^': 60, ':': 61, '<': 62}
因此，当我想在C中使用这个模型时，我使用下面描述的方法加载它：https://github.com/AmirulOm/tensorflow_capi_sample
以下是我如何设置会话：
首先，我有一个C数组，它扮演着与上面的tokenizer.word_index相同的角色：
int dictionary[] = {
...
14,//1 - 49
2,//2 - 50
35,//3 - 51
42,//4 - 52
31,//5 - 53
23,//6 - 54
19,//7 - 55
21,//8 - 56
24,//9 - 57
61,//: - 58
0,//59
62,//< - 60
25,//= - 61
56,//> - 62
38,//? - 63
51,//@ - 64
...
5,//c - 99
18,//d - 100
3,//e - 101
33,//f - 102
36,//g - 103
20,//h - 104
7,//i - 105
50,//j - 106
49,//k - 107
4,//l - 108
32,//m - 109
6,//n - 110
15,//o - 111
29,//p - 112
55,//q - 113
11,//r - 114
10,//s - 115
12,//t - 116
16,//u - 117
37,//v - 118
34,//w - 119
...
};
以下函数用于以与我在python模型中相同的方式填充C浮点数组：
float *get_input_tensor(char *text)
{
int i;
float *result;
size_t tensor_size;
char *current;
i = 0;
current = text;
tensor_size = sizeof(float) * 1 * 64 * 88;
result = (float*)malloc(sizeof(float) * tensor_size);
memset(result, 0, tensor_size);
while (*current)
{
*(result + 88 * i + dictionary[(int)*current]) = 1.00f;
current++;
i++;
}
return (result);
}
最后，设置会话：
int ndims = 3;
int64_t dims[] = {1, 64, 88};
float *data = get_input_tensor("test_string");
int ndata = sizeof(float) * 1 * 64 * 88;
TF_Tensor *float_tensor = TF_NewTensor(TF_FLOAT, dims, ndims, data, ndata, &NoOpDeallocator, 0);
TF_SessionRun(Session, NULL, Input, InputValues, NumInputs, Output, OutputValues, NumOutputs, NULL, 0, NULL, Status);0);
运行程序总是给出以下输出：
[*] TF_NewTensor OK
[*] Starting session
[*] Session OK
[*] Result tensor: 0.999864
[*] Tensorflow Data memory cleared and freed
我在这里迷路了。因此，我的问题是：给定模型的输入张量形状，在将数据放入TF_NewTensor，然后放入TF_SessionRun之前，如何在C API中格式化数据？或者网上有我没有找到的文档吗？或者甚至是填充输入张量时的通用方法？
TF的API C中的数据以行-主要顺序存储。
如果你有3D数据布局，比如[dim1,dim2,dim3](1/64/88(，并且你想访问(d1，d2，d3(项，你应该使用公式：
item = d1 * dim2 * dim3 + d2 * dim3 + d3
所以你可以写一个辅助函数，比如：
float* AccessResult(float* result,
int x,
int dim1, // 1
int y,
int dim2, // 64
int z,
int dim3) // 88
{
float* item = result + x * dim2 * dim3 + y * dim3 + z;
return item;
}
填充数组的代码可能是：
for (int i = 0; i < 64; ++i) {
for (int j = 0; j < 88; ++j) {
float* res = AccessResult(result,0,1,i,64,j,88);
*res = 1.0f;
}
}
i或j(当调用AccessResult时(应该被dictionary[..]替换，但我无法推断应该替换哪一个。