移动端AI与ML应用开发：基于iOS和Android

212

|

第

11

章

try interpreter.invoke()

outputTensor = try interpreter.output(at: 0)

张量将输出一个包含两个值的数组，一个用于负面情绪，一个用于积极情绪。这些值介

于 0 和 1 之间，因此你需要将数组强制转换为

Float32

以访问它们：

let resultsArray = outputTensor.data

let results: [Float32] =

[Float32](unsafeData: resultsArray) ?? []

现在访问值相对容易了（终于！），读取数组中的前两项即可：

let negativeSentimentValue = results[0]

let positiveSentimentValue = results[1]

然后可以处理这些值，或者简单地输出，就像我在这个应用程序中所做的，你可以在图 11-7

中看到这一点。

11.5

总结

将来自 iOS 上 TensorFlow 的机器学习模型与 Swift 结合使用，需要你在数据加载到模型

中以获取推理然后解析它时，获得相当低的级别并管理内存进出。在本章中，你探讨了

与图像相关的问题，你必须从底层图像中切出红色、绿色和蓝色的通道字节，将它们归

一化，并使用不安全数据缓冲区将它们写出为浮点值，然后加载到 TensorFlow Lite 解

释器。你还看到了如何解析模型的输出

—

以及为什么理解模型架构至关重要，在本例

中，模型架构有 5 个输出神经元 ...