Android 示例应用

该 TensorFLow Lite 示例可以在 GitHub 上被找到。这是一个使用量化的 MobileNet 模型或是浮点 Inception-v3 模型对图片进行持续分类的相机应用。示例的最低运行要求是 Android 5.0（API 21）。

在示例中，应用会使用 TensorFlow Lite Java API 来预测。应用会为每一帧都进行实时分类，并将可能性最高的类别和检测对象的时间一同显示出来。

有三种方式获取示例应用：

下载预编译 APK。
使用 Android Studio 编译应用。
下载 TensorFlow Lite 和这个示例应用的源码，然后用 bazel 编译。

下载预编译版本

尝试这个示例最简单的方法是下载预编译 APK。

安装完 APK 后，双击应用图标启动程序。当程序第一次运行时，会请求运行时获取设备摄像头的权限。程序会打开设备的后摄像头，并识别视野内的物体。在图像的底部（如果是全景模式则是图像的左边）会展示可能性最高的三个物体和其可能的分类。

在 Android Studio 中用 JCenter源的 TensorFlow Lite AAR 编译

使用 Android Studio 来尝试修改代码并编译：

安装最新版本的 Android Studio。
确保你的 Android SDK 版本高于 26 且 NDK 版本高于 14（在 Android Studio 设置里面）。
将 tensorflow/contrib/lite/java/demo 目录作为一个新的 Android Studio 项目导入。
安装需要的 Gradle 插件。

现在你可以构建并运行演示程序。

构建过程会下载已量化的 Mobilenet TensorFlow Lite 模型，并将其解压到 assets 目录下：tensorflow/contrib/lite/java/demo/app/src/main/assets/。

更多的详细细节可在 TF Lite Android App 页面中查看。

使用其它模型

要使用其它模型：

下载浮点模型 Inception-v3。
解压并拷贝 inceptionv3_non_slim_2015.tflite 到 assets 目录。
变更 Camera2BasicFragment.java
中特定的分类器由：classifier = new ImageClassifierQuantizedMobileNet(getActivity());
改为：classifier = new ImageClassifierFloatInception(getActivity());。

使用源码编译 TensorFlow Lite 和示例应用

克隆 TensorFlow 仓库

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

安装 Bazel

如果你的电脑上没有安装 bazel，查看安装 Bazel。

注意：Bazel 现在并不支持在 Windows 上进行 Android 编译。Windows 用户可以下载预编译版本。

安装 Android NDK 和 SDK

编译 TensorFlow Lite 的原生（C/C++）代码需要用到 Android NDK。当前推荐版本为 14b，可以在 NDK 存档上找到。

Android SDK 和编译工具可以单独下载或者配合 Android Studio 使用。编译 TensorFlow Lite Android 示例应用推荐使用 API >= 23 的编译工具（但是在 API >= 21 的版本上均可运行）。

在 TensorFlow 仓库的根目录下，更新 WORKSPACE 文件中的 api_level 以及 SDK 和 NDK 的位置。如果你是通过 Android Studio 安装的，可以在 SDK 管理器中查看 SDK 路径。默认的 NDK 路径为：{SDK path}/ndk-bundle。如下所示：

android_sdk_repository (
    name = "androidsdk",
    api_level = 23,
    build_tools_version = "23.0.2",
    path = "/home/xxxx/android-sdk-linux/",
)

android_ndk_repository(
    name = "androidndk",
    path = "/home/xxxx/android-ndk-r10e/",
    api_level = 19,
)

在 TF Lite Android 应用页面中可以找到更多信息。

编译源码

运行 bazel 来编译源码：

bazel build --cxxopt=--std=c++11 //tensorflow/contrib/lite/java/demo/app/src/main:TfLiteCameraDemo

警告：因为一个已知的 bazel 的 bug，我们只能在 Python 2 环境下编译 Android 示例应用。

关于示例

示例应用会缩放每一帧相机获取的图像（224 宽 * 224 高）来匹配量化的 MobileNets 模型（Inception-v3 是 299 * 299）。缩放后的图像被逐行放进缓冲区。它的大小是 1 * 224 * 224 * 3 字节，其中 1 代表该批次中图像的数量。224 * 224（299 * 299）是图像的宽和高。3 字节代表一个像素有 3 种颜色。

示例中使用了单进单出的 TensorFlow Lite Java inference API。它输出一个二维数组，第一个维度表示类别索引，第二个维度表示分类的置信度。两种模型都有 1001 种不同的类别，应用将所有目录的可能性排序，并显示可能性最高的三种。模型文件必须被下载下来并打包到应用的资源目录。

Android 示例应用 ​

下载预编译版本 ​

在 Android Studio 中用 JCenter源的 TensorFlow Lite AAR 编译 ​

使用其它模型 ​

使用源码编译 TensorFlow Lite 和示例应用 ​

克隆 TensorFlow 仓库 ​

安装 Bazel ​

安装 Android NDK 和 SDK ​

编译源码 ​

关于示例 ​