关于tensorflow.net推理mnist图片问题

关于tensorflow.net推理mnist图片问题

using System;
using Tensorflow;
using Tensorflow.Lite;
using OpenCvSharp;
using System.Runtime.InteropServices;
namespace ConsoleApp1
{
    class Program
    {
     
        public static unsafe void test()
        {
            
            var modelPath = "mnist.tflite";
            var imagePath = "1.jpg";
            var model = c_api_lite.TfLiteModelCreateFromFile(modelPath);
            var options = c_api_lite.TfLiteInterpreterOptionsCreate();
            var interpreter = c_api_lite.TfLiteInterpreterCreate(model, options);
            TfLiteStatus status = c_api_lite.TfLiteInterpreterAllocateTensors(interpreter);
            TfLiteTensor inputTensor = c_api_lite.TfLiteInterpreterGetInputTensor(interpreter, 0);
            Mat img = Cv2.ImRead(imagePath, ImreadModes.Grayscale);
            var bytes = new byte[img.Total() * 1];
            Marshal.Copy(img.Data, bytes, 0, bytes.Length);
            fixed (byte* addr = &bytes[0])
            {
                c_api_lite.TfLiteTensorCopyFromBuffer(inputTensor, new IntPtr(addr), img.Cols*img.Rows*img.Channels() * sizeof(byte));
            }
            c_api_lite.TfLiteInterpreterInvoke(interpreter);
            var output_tensor = c_api_lite.TfLiteInterpreterGetOutputTensor(interpreter, 0);
            var output = new byte[10];
            fixed (byte* addr = &output[0])
            {
                c_api_lite.TfLiteTensorCopyToBuffer(output_tensor, new IntPtr(addr), 10 * sizeof(byte));
            }
            for (int i = 0; i< output.Length;i++)
            {
                Console.WriteLine(output[i]);
            }
            c_api_lite.TfLiteInterpreterDelete(interpreter.DangerousGetHandle());
        }
        static void Main(string[] args)
        {
            test();
        }
    }
}

推理结果为什么为零啊

img

这份代码使用了 Tensorflow Lite 进行机器学习模型的预测，根据输入的灰度图像（例如这里的  `1.jpg` ），模型会输出一个长度为 10 的一维数组，表示图像所属的数字类别。这里的模型路径  `mnist.tflite`  是经过训练后的 MNIST 手写数字识别模型。
 在代码中，先通过  `c_api_lite.TfLiteModelCreateFromFile()`  从文件中创建模型。然后通过  `c_api_lite.TfLiteInterpreterCreate()`  创建解释器，并对解释器进行配置和内存分配等操作后，调用  `c_api_lite.TfLiteInterpreterInvoke()`  运行模型进行推理，最后通过  `c_api_lite.TfLiteInterpreterGetOutputTensor()`  和  `c_api_lite.TfLiteTensorCopyToBuffer()`  获取输出结果。其中涉及到了 C# 操作指针的部分。
 需要注意的是，这份代码使用了 OpenCvSharp 库对图像进行处理，并用  `ImreadModes.Grayscale`  模式读取灰度图像，需要先安装 OpenCvSharp 库，并引入相应的命名空间。
 同时，上述代码中不包括相关的库文件和训练好的模型文件，请自行下载和配置。