Android的Tensorflow示例

Tensorflow将此作为在Android应用程序上使用Tensorflow的示例

我已经成功构建了应用程序并在我的设备上启动了它。我也读了代码

但我不知道从这里该去哪里！我有一个tensorflow代码，根据训练数据计算精度

如何在我自己的android应用程序中使用该模型。tensorflow描述并不超出构建说明

---

请帮忙

有一些很好的教程可以指导您完成这些步骤

假设我们讨论的是图像分类问题，您只需要：

• 使用

  strip\u unused

  工具处理TensorFlow模型（使其与Android演示应用程序兼容）
• 将新标签的TensorFlow

  .pb

  模型和

  .txt

  复制到Android

  资产

  文件夹中
• 再次构建Android演示应用程序

---

有关更多信息，请查看我在哪里写的如何执行此操作。

首先，您需要将模型保存到.pb（protobuf）文件中。 在应用程序中，您需要加载此.pb文件。您可以使用

tf/python/tools freeze\u graph.freeze\u graph（）

您也需要LIPTENSORFROUTION DENCUN。因此包含所有C++实现。 最后，您将需要libandroid\u tensorflow\u interference\u java.jar

有了这些，你可以写：

inferenceInterface.initializeTensorFlow(getAssets(), MODEL_FILE);

inferenceInterface.fillNodeFloat(INPUT_NODE, INPUT_SIZE, inputFloats);

inferenceInterface.runInference(new String[] {OUTPUT_NODE});

inferenceInterface.readNodeFloat(OUTPUT_NODE, resu);

这里有一个很棒的教程：

应用程序的GitHub repo：

---

对我来说，这有助于理解Android上tf的基础知识。

为Android构建TensorFlow的完整详细方法

git clone --recurse-submodules https://github.com/tensorflow/tensorflow.git

注意：--递归子模块对于拉取子模块很重要

从这里安装Bazel。Bazel是TensorFlow的主要构建系统。 现在，编辑工作区，我们可以在前面克隆的TensorFlow的根目录中找到工作区文件

# Uncomment and update the paths in these entries to build the Android demo.
#android_sdk_repository(
#    name = "androidsdk",
#    api_level = 23,
#    build_tools_version = "25.0.1",
#    # Replace with path to Android SDK on your system
#    path = "<PATH_TO_SDK>",
#)
#
#android_ndk_repository(
#    name="androidndk",
#    path="<PATH_TO_NDK>",
#    api_level=14)

然后构建.so文件

bazel build -c opt //tensorflow/contrib/android:libtensorflow_inference.so \
   --crosstool_top=//external:android/crosstool \
   --host_crosstool_top=@bazel_tools//tools/cpp:toolchain \
   --cpu=armeabi-v7a

用我们期望的目标体系结构替换armeabi-v7a。 图书馆将设在：

bazel-bin/tensorflow/contrib/android/libtensorflow_inference.so

要构建Java对应项，请执行以下操作：

bazel build //tensorflow/contrib/android:android_tensorflow_inference_java

我们可以在以下位置找到JAR文件：

bazel-bin/tensorflow/contrib/android/libandroid_tensorflow_inference_java.jar

现在我们有了jar和.so文件。我已经构建了这两个.so文件和jar，您可以直接从中使用

将libandroid_tensorflow_expression_java.jar放入libs文件夹，右键单击并添加为库

compile files('libs/libandroid_tensorflow_inference_java.jar')

在主目录中创建jniLibs文件夹，并将libtensorflow_.so放入jniLibs/armeabi-v7a/文件夹中

现在，我们将能够调用TensorFlow Java API

TensorFlowJavaAPI通过一个类TensorFlow推论接口公开了所有必需的方法

现在，我们必须使用模型路径调用TensorFlow Java API并加载它

我写了一个完整的博客

compile files('libs/libandroid_tensorflow_inference_java.jar')