tensorflow-lite-sdk

目标

• 基于Google Tensorflow-Lite，对官方Tensorflow-Lite Demo加以提炼，以更加通用的形式提供一个Tensorflow-Lite Android SDK
• 从训练基于TensorFlow的深度学习模型，到把模型运行在Android TensorFlow Lite框架上，本项目提供一个完整的流程和方法

Android运行深度神经网络模型，只需要三步

1. 利用TensorFlow训练一个深度神经网络模型（这部分不属于本项目内容，自己去学习吧：））
2. 生成Android平台可用的模型文件tflite 避免踩坑，可参见我的博文：TensorFlow Lite研究
3. 利用本项目的SDK：tflite-sdk，继承并实现AbstractImageClassifier或AbstractTFLiteProcessor，就可以在Android平台上利用深度神经网络带来的强大能力了

Module

• SDK Module：tflite-sdk
• Demo Module：app

Overview

图片分类器

用于利用TensorFlow处理图片分类问题

AbstractImageClassifier 图片分类器应该继承的基类

QuantizedImageClassifier 基于官方Demo中 tflite模型文件的分类器

MnistImageClassifier 自己训练了一个识别mnist数据集模型的分类器

示例

    public void classify2(View v) {
        Bitmap bitmap = getBitmap(this, R.drawable.six1);
        Bitmap bitmap1 = newScaledBitmap(bitmap, 28, 28);
        ClassifyInfo[] classifyInfos = classifier2.classifyBitmap(bitmap1);
        if (classifyInfos != null && classifyInfos.length > 0) {
            Toast.makeText(this, classifyInfos[0].toString(), Toast.LENGTH_LONG).show();
        }
        bitmap1.recycle();
        bitmap.recycle();
    }

更加基础的处理器

用于利用TensorFlow处理任意类型的输入

AbstractTFLiteProcessor 处理器基类

TestTFLiteProcessor 一个实现的例子

示例

    public void testProcess(View v) {
        processor.run(new AbstractTFLiteProcessor.InputDataFactory() {
            @Override
            public void input(ByteBuffer buffer) {
                buffer.putFloat(6.0f);
            }
        });
    }