为量化的 Tensorflow Lite 模型创建位图字节缓冲区

Question

我想使用量化的Tensorflow lite模型，但我目前的ByteBuffer使用的是浮点型。我希望这是整数表示。现在模型需要 270000 字节，我正在尝试传递它 1080000 字节。它像将浮点数转换为 int 一样简单吗？

public ByteBuffer convertBitmapToByteBuffer(Bitmap bitmap) {
// Preallocate memory for bytebuffer
ByteBuffer byteBuffer = ByteBuffer.allocate(inputSize*inputSize*pixelSize);
byteBuffer.order(ByteOrder.nativeOrder());
// Initialize pixel data array and populate from bitmap
int [] intArray = new int[inputSize*inputSize];
bitmap.getPixels(intArray, 0, bitmap.getWidth(), 0 , 0,
bitmap.getWidth(), bitmap.getHeight());
int pixel = 0;      // pixel indexer
for (int i=0; i<inputSize; i++) {
for (int j=0; j<inputSize; j++) {
int input = intArray[pixel++];
byteBuffer.putfloat((((input >> 16 & 0x000000FF) - imageMean) / imageStd));
byteBuffer.putfloat((((input >> 8 & 0x000000FF) - imageMean) / imageStd));
byteBuffer.putfloat((((input & 0x000000FF) - imageMean) / imageStd));
}
}
return byteBuffer;
}

感谢您提供的任何提示。

Answer 1

将浮点数转换为 int 不是正确的方法。好消息是，模型预期的量化输入值(序列中的 8 位 r、g、b 值(与位图像素表示形式完全相同，只是模型不需要 alpha 通道，因此转换过程实际上应该比使用浮点输入时更容易。

您可以尝试以下方法。(我假设pixelSize是3(

int pixel = 0;      // pixel indexer
for (int i=0; i<inputSize; i++) {
for (int j=0; j<inputSize; j++) {
int input = intArray[pixel++];   // pixel containing ARGB.
byteBuffer
.put((byte)((input >> 16) & 0xFF))    // R
.put((byte)((input >>  8) & 0xFF))    // G
.put((byte)((input      ) & 0xFF));   // B
}
}