python tnn mobilenet分类代码

以下是使用TensorFlow Lite实现Mobilenet分类的Python代码：

import tensorflow as tf
import numpy as np
from PIL import Image

# 加载模型
interpreter = tf.lite.Interpreter(model_path="mobilenet.tflite")
interpreter.allocate_tensors()

# 获取输入和输出张量
input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()

# 加载标签
with open("labels.txt", "r") as f:
    labels = [line.strip() for line in f.readlines()]

# 读取图像并进行预处理
img = Image.open("test.jpg").resize((224, 224))
img_array = np.array(img).astype('float32') / 255.0
img_array = np.expand_dims(img_array, axis=0)

# 输入图像并进行推理
interpreter.set_tensor(input_details[0]['index'], img_array)
interpreter.invoke()

# 获取输出结果并进行后处理
output_data = interpreter.get_tensor(output_details[0]['index'])
predictions = np.squeeze(output_data)

# 输出预测结果
top_k = predictions.argsort()[-5:][::-1]
for i in top_k:
    print(labels[i], predictions[i])

其中，`mobilenet.tflite`是经过训练的Mobilenet模型，`labels.txt`是包含标签名称的文本文件，`test.jpg`是待分类的图像。你需要将这些文件替换成自己的文件。