Java TensorFlow Lite在ML模型处理数值数据时有用吗？

我正在Android和Spring中开发一款智能移动恒温器，用于优化和节能。一个ML模型应该应用于SpringBoot应用程序，它是Android应用程序要与之通信的服务器

为了创建一个ML模型，我需要提供数据集，其中包括历史平均室外温度、当前室外温度和应定期更新的室温、建筑物的传热系数、房间面积和容积以及加热季节平均房间大小的平均能量（热量）使用

因此，我想知道这个工具（TensorFlow Lite）是否有用，特别是什么AI方法和算法最适合这个应用程序来处理数值数据和创建模型，根据用户的喜好控制炉子何时打开和关闭（精确的温度，达到预期效果的时间，节约能源）。如果需要，如果您能给我一些其他建议，我将不胜感激。

尤其是在Android上运行ML模型（支持的操作有限）的最佳方法。我个人在图像分类中使用过

TensorFlow Lite是TensorFlow Mobile的继承者，目前已弃用，但仍在使用

在您的问题中，您有一些功能，标签是二进制的（0表示关闭，1表示打开）。 您可以收集一些数据并在此基础上训练Keras模型

Keras是一个开源神经网络库，也是基于TensorFlow构建的，可在

tf.Keras

模块中获得

您可以在他们的网站上找到教程。将模型保存到.h5文件后，您需要将其转换为.tflite文件，这是我们的TensorFlow Lite模型。请参见此

您可以将此模型保存在应用程序的资产文件夹中，并使用

解释器

类将其加载到Android中。您可以看到这一点

你可以看到应用程序“Skinly”。它使用TensorFlow Lite。Python项目是，Android项目是

提示：

当您使用word server时，有一个可用的工具可以在JavaScript中创建ML模型。 您也可以在其中加载Python模型

此外，您已将模型放置在主机上

希望有帮助

converter = tf.lite.TFLiteConverter.from_keras_model_file( keras_model_path )
tflite_buffer = converter.convert()
open( tflite_file_path , 'wb' ).write( tflite_buffer )