Deep learning 端口TensorFlow代码到Android_Deep Learning_Tensorflow

Deep learning 端口TensorFlow代码到Android

deep-learning tensorflow

Deep learning 端口TensorFlow代码到Android,deep-learning,tensorflow,Deep Learning,Tensorflow,我在Python中使用TensorFlow编写了一个序列分类脚本。我想把这段代码移植到Android上。我已经在TensorFlow github页面上看到了关于Android的示例，但这是针对图像的有没有办法在Android上直接移植TensorFlow Python代码？有 QPython-Android应用程序开启。它是一个在android设备上运行Python的脚本引擎。它允许您的android设备运行Python脚本和项目。它包含Python解释器和一些其他东西，比如pip，但是没有

我在Python中使用TensorFlow编写了一个序列分类脚本。我想把这段代码移植到Android上。我已经在TensorFlow github页面上看到了关于Android的示例，但这是针对图像的

有没有办法在Android上直接移植TensorFlow Python代码？

有

QPython-Android应用程序开启。它是一个在android设备上运行Python的脚本引擎。它允许您的android设备运行Python脚本和项目。它包含Python解释器和一些其他东西，比如

pip

，但是没有可用的编译器，所以只有纯Python包可以工作

-允许您将Python应用程序编译成Android APK，以及纯Python和需要编译的附加包。

典型的方法是使用Python构建（并训练）模型，使用，然后使用JNI编写一个应用程序，调用C++的ToSoFraseAPI（参见完整的例子）。在Python中构建图形时，应该注意表示（i）要分类的输入数据和（ii）预测的输出值的张量的名称。然后，您将能够通过输入（i）的值并获取（ii）的值来运行步骤

最后一个问题是如何在导出的图形中表示模型参数。有几种方法可以做到这一点，包括将TensorFlow检查点（由a编写）作为应用程序的一部分提供，以及运行restore ops来重新加载它。中使用的一种方法是重写图形，以便将模型参数替换为

“Const”

节点，并且模型图形变得自包含。

您所说的“直接”是什么意思" ? 当然，你可以在C++中编写它，并从Android程序中加载该库，这意味着改写整个编码单元的方法有哪些？请共享你所指的Github的代码和链接。问题是移植TySoFFROW代码，而不是泛型Python代码。有趣的想法。我在这里单独提出了一个关于Tensorflow和Kivy的问题，你能提供一个我们可以遵循的更详细的程序吗？