Android tensorflow lite选择tf ops，从源tflite模型构建的tensorflow lite AAR找不到org.tensorflow.lite.解释器

我按照tensorflow android指南生成了

tensorflow lite.aar

和

tensorflow lite从源代码中选择tf ops.aar

我当前的应用程序与

dependencies {
    ...
    implementation 'org.tensorflow:tensorflow-lite:2.3.0'
    implementation 'org.tensorflow:tensorflow-lite-gpu:2.3.0'
    implementation 'org.tensorflow:tensorflow-lite-select-tf-ops:2.3.0'
}

我希望减小

tensorflow lite选择tf ops.aar的大小

以减小app

apk

大小

我正在按照

build\u aar.sh

流程使用我的tflite模型缩小尺寸。使用的命令

bash tensorflow/lite/tools/build_aar.sh --input_models=custom_model.tflite --target_archs=arm64-v8a

这将生成

tensorflow lite.aar

和

tensorflow lite在
bazel bin/tmp
文件夹中为
custom_model.tflite
选择tf ops.aar

。tflite模型是量化的

使用新生成的aar文件实现

dependencies {
    ...
//    implementation 'org.tensorflow:tensorflow-lite-select-tf-ops:2.3.0'
//    implementation 'org.tensorflow:tensorflow-lite:2.3.0'
    implementation 'org.tensorflow:tensorflow-lite-gpu:2.3.0'

    implementation files('libs/tensorflow-lite.aar')
//    implementation files('libs/tensorflow-lite-gpu.aar')
    implementation files('libs/tensorflow-lite-select-tf-ops.aar')
}

但当它们包含在android应用程序编译中时，会发生错误

C:\folder\myapp\app\src\main\java\com\example\mapp\tflite\YoloV4Classifier.java:19: error: cannot find symbol
import org.tensorflow.lite.Interpreter;
                          ^
  symbol:   class Interpreter
  location: package org.tensorflow.lite

当

tensorflow lite.aar

使用

bazel build-c opt--fat\u apk\u cpu=arm64-v8a--host\u crosstool\u top=@bazel\u tools//tools/cpp:toolschain tensorflow/lite/java:tensorflow lite

构建时，这个问题就消失了。但这会引入未满足的链接错误：dlopen失败：无法使用先前的

tensorflow-lite选择tf ops.aar

和使用上述命令新建的

tensorflow-lite.aar

找到符号

如果我把以前的

tensorflow lite.aar

和新的

tensorflow lite.aar

都放在

bazel build-c opt--fat\u apk\u cpu=arm64-v8a--host\u crosstool\u top=@bazel\u tools//cpp:toolschain tensorflow/lite/java:tensorflow lite

中生成，那么就出现了构建错误

More than one file was found with OS independent path 'lib/arm64-v8a/libtensorflowlite_jni.so'

---

我按照基于非输入tflite模型的命令生成

tensorflow lite.aar

，

tensorflow lite gpu.aar

，

tensorflow lite从源代码中选择tf ops.aar

，但应用程序大小变得非常大。我已经尝试过了，但每一个都会带来一种新的错误。

问题已修复，如下所述

---

在将tflite AAR添加到项目中时遇到一些问题，请尝试方法adding AAR工作正常，但问题是从源代码构建的tensorflow lite找不到解释器。我的意思是，我遇到了相同的问题（解释器未找到，但具有正常构建），并且该方法解决了问题。