将tflite格式的模型部署在安卓移动端详细步骤

步骤一

先将tflite模型放到安卓项目的assets中。

步骤二

将tensorflow-lite库添加到您的应用程序中。这可以通过将以下行添加到build.gradle文件的依赖项部分中来完成：

implementation 'org.tensorflow:tensorflow-lite:+'

步骤三

完成此操作后，您可以导入TensorFlow Lite解释器。解释器通过提供一组输入来加载模型并允许您运行它。TensorFlow Lite然后将执行模型并编写输出，实际上就是这么简单。

import org.tensorflow.lite.Interpreter;

步骤四

protected Interpreter tflite;
tflite = new Interpreter(loadModelFile(activity));

步骤五

GitHub上的TensorFlow Lite示例中有一个辅助功能。只需确保getModelPath（）返回一个指向资源文件夹中文件的字符串，然后模型就会加载。

/** Memory-map the model file in Assets. */
private MappedByteBuffer loadModelFile(Activity activity) throws IOException {
	  AssetFileDescriptor fileDescriptor = activity.getAssets().openFd(getModelPath());
	  FileInputStream inputStream = new FileInputStream(fileDescriptor.getFileDescriptor());
	  FileChannel fileChannel = inputStream.getChannel();
	  long startOffset = fileDescriptor.getStartOffset();
	  long declaredLength = fileDescriptor.getDeclaredLength();
	  return fileChannel.map(FileChannel.MapMode.READ_ONLY, startOffset, declaredLength);
}

步骤六

然后，要对图像进行分类，您所需要做的就是在Interpeter上调用run方法，将图像数据和标签数组传递给它，其余的工作将完成：

tflite.run(imgData, labelProbArray);

TensorFlow 官方示例

git clone https://www.github.com/tensorflow/tensorflow