移动端AI与ML应用开发：基于iOS和Android

204

|

第

11

章

我们可以使用它的

.output

属性访问解释器的输出张量。与输入类似，在这种情况下，

我们一次处理一张图像，因此它的输出索引是 0。如果我们对图像进行批处理，则对图

像

n

的推理将在索引

n

处。

// Get the output tensor to process the inference results.

outputTensor = try interpreter.output(at: 0)

回想一下，这个模型是在 5 种不同类型的花上训练的，所以模型的输出将是 5 个值，每

个值都是图像包含特定花的概率。顺序是按字母顺序排列的，所以我们识别的花是雏

菊、蒲公英、玫瑰、向日葵和郁金香，这 5 个值将与它们对应。因此，例如，第一个输

出值是图像包含雏菊的可能性，以此类推。

这些值是概率，因此它们在 0 和 1 之间，表示为浮点数。你可以读取输出张量并像这样

将其转换为数组：

let resultsArray =

outputTensor.data.toArray(type: Float32.self)

现在，如果你想确定图像中最有可能包含的花，你可以回到纯 Swift 中，获取最大值，

找到该值的索引，并查找与该索引对应的标签！

// Pick the biggest value in the array

let maxVal = resultsArray.max()

// Get the index of the biggest value

let resultsIndex = ...