4. TFLite运行时初始化

任务目标

在STM32嵌入式环境中，完成TFLite微控制器运行时（TFLM）的初始化，并成功加载一个已转换的.tflite模型文件，为后续推理调用做好准备。本案例聚焦于初始化流程本身，不涉及具体推理逻辑。

环境依赖

需要TFLM静态库（由tensorflow/lite/micro源码编译生成），以及以下头文件：

#include "tensorflow/lite/micro/micro_interpreter.h"
#include "tensorflow/lite/micro/micro_mutable_op_resolver.h"
#include "tensorflow/lite/schema/schema_generated.h"
#include "tensorflow/lite/micro/all_ops_resolver.h"  // 若使用全部算子

关键完整代码

以下代码实现：模型数据以C数组形式嵌入，初始化算子解析器、张量竞技场（Tensor Arena）和解释器，并完成模型加载验证：

// model_data.h —— 由xxd -i model.tflite > model_data.h生成
// 包含 unsigned char model_data[] 和 unsigned int model_data_len

#include "model_data.h"

// 张量竞技场大小：根据模型需求调整，通常为10KB~100KB
constexpr int kTensorArenaSize = 60 * 1024;
static uint8_t tensor_arena[kTensorArenaSize];

// 使用全部算子（便于快速验证）；若需精简Flash，改用MicroMutableOpResolver
static tflite::AllOpsResolver resolver;

// 模型加载与解释器初始化
const tflite::Model* model = tflite::GetModel(model_data);
if (model->version() != TFLITE_SCHEMA_VERSION) {
    // 版本不匹配处理
    while(1);
}

tflite::MicroInterpreter interpreter(model, resolver, tensor_arena, kTensorArenaSize);

// 分配张量内存
TfLiteStatus allocate_status = interpreter.AllocateTensors();
if (allocate_status != kTfLiteOk) {
    // 分配失败处理
    while(1);
}

// 获取输入/输出张量指针（供后续推理使用）
TfLiteTensor* input_tensor = interpreter.input(0);
TfLiteTensor* output_tensor = interpreter.output(0);

工程集成说明

在STM32工程中，需将model_data.h与上述代码置于同一编译单元。链接时确保TFLM静态库路径正确，并开启-std=c++11（或更高）编译选项。若使用MicroMutableOpResolver替代AllOpsResolver，需显式注册模型用到的算子，例如：

static tflite::MicroMutableOpResolver<10> resolver;
resolver.AddFullyConnected();
resolver.AddSoftmax();

验证方法与判定标准

编译验证：代码应无编译错误，链接时无未解析符号。

运行验证：在STM32上电后执行初始化代码，观察以下判定点：

1. 程序不进入while(1)死循环（即模型版本匹配且张量分配成功）；
2. input_tensor和output_tensor指针非空；
3. 通过调试器查看input_tensor->dims->data[0]等维度信息，与模型输入形状一致（例如分类模型为{1, 28, 28, 1}）。

预期输出：若模型为MNIST手写数字识别模型，输入张量维度应为{1, 28, 28, 1}，输出张量维度应为{1, 10}。此结果由模型文件直接决定，与代码逻辑严格一致。

常见问题

• Flash不足：使用MicroMutableOpResolver并按需注册算子，可减少约50%~80%的Flash占用。
• 竞技场过小：若AllocateTensors()返回kTfLiteError，增大kTensorArenaSize并重新编译。
• 模型版本不匹配：确认TFLM库版本与模型转换时的TensorFlow版本对应（当前Schema版本为3）。