Tensorflow在手机端的部署——官方demo的直接运行（1）

最新推荐文章于 2024-05-10 04:00:10 发布
最新推荐文章于 2024-05-10 04:00:10 发布
阅读量9.6k 收藏 41
点赞数 6
分类专栏： TensorFlow 深度学习/机器学习 Android 移动端（边缘设备）深度学习 文章标签： tensorflow lite mobilenet
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/c20081052/article/details/82865830
版权

开篇话：

许久没有写些什么了，最近在研究深度学习训练的网络模型在移动设备端的部署问题，针对完全白纸一张的我准备写点资料记录下趟过的坑，期间看了些技术博客，修补个各种bug，怕日后再遇到，因此准备写下来。

准备写个系列篇：就叫Tensorflow在手机端（移动设备）的部署；本文为该系列的第一篇，主要是讲解如何将官网提供的轻量级模型转为安卓端的apk文件，以便手机安装。

首先，我尝试成功的环境是：

win10-64位系统；    

Android Studio: 3.2.0        下载链接：Android Studio下载链接

Android SDK: 

Android NDK:                  （先别急着下载）下载链接：Android NDK下载链接

Tensorflow:                        下载链接：tensorflow下载链接

预训练的mobilenet v1 轻量化模型文件：mobilenet_quant_v1_224.tflite 和 labels_mobilenet_quant_v1_224.txt

模型下载链接：

了解本专栏 订阅专栏 解锁全文
ciky奇
关注
  • 6
    点赞
  • 踩
  • 41
    收藏
    觉得还不错? 一键收藏
  • 24
    评论
专栏目录
订阅专栏
基于 TensorFlow 在手机端实现文档检测
腾讯Bugly的专栏
06-01 4685
作者：冯牮 前言 本文不是神经网络或机器学习的入门教学，而是通过一个真实的产品案例，展示了在手机客户端上运行一个神经网络的关键技术点 在卷积神经网络适用的领域里，已经出现了一些很经典的图像分类网络，比如 VGG16/VGG19，Inception v1-v4 Net，ResNet 等，这些分类网络通常又都可以作为其他算法中的基础网络结构，尤其是 VGG 网络，被很多其他的算法借鉴，本文也会使用 VG
Tensorflow在手机端的部署（TF Lite）
yx868yx的博客
05-14 1440
环境：Win7-64位专业版 Android Studio：3.4.1 tensorflow : 1.9.0 一、利用Android的camera做分类的demo 1、安装Android Studio 以及SDK、NDK等 直接去官网下载即可，可参考https://blog.csdn.net/c20081052/article/details/82865830有详细的安装过程 2、运行demo 在...
Tensorflow入门（1）——深度学习框架Tesnsflow入门 &amp； 环境配置 &amp； 认识Tensorflow(2)
最新发布
2401_84141293的博客
05-10 1112
tf.global_variables_initializer() 添加一个初始化所有变量的op，在会话中开启。收集对于损失函数和准确率等单值变量，name为变量名字，tensor为值。会话可能拥有很多资源，如 tf.Variable，tf.QueueBase。1、转换静态形状的时候，1-D到1-D，2-D到2-D，不能跨阶数改变形状。• 变量也是一种OP，是一种特殊的张量，能够进行存储持久化，它的值就是张量。注：修改程序后，再保存一遍会有新的事件文件，打开默认为最新。收集输入的图片，张量能显示图片。
Tensorflow在手机端的部署——yolo模型转tensorflow模型（3）
c20081052的专栏
11-03 9513
如需转载请向本人确认~谢谢！ 本系列文章中前几篇介绍了 tensorflow提供的android demo工程的结构；https://blog.csdn.net/c20081052/article/details/83145836 其目标检测的运行（工程默认的ssd-mobilenet v1），https://blog.csdn.net/c20081052/article/details/8...
将tensorflow训练模型转换成tflite模型在安卓端部署
qq_45057749的博客
10-23 2122
一、生成.pb文件 如果后续要设计tflite转换，那么需要调用的文件是object_detection下的export_tflite_ssd_graph.py: python export_tflite_ssd_graph.py --input_type image_tensor --pipeline_co nfig_path training/ssdlite_mobilenet_v3_small_320x320_coco.config --trained_checkpoint_prefix traini
Tensorflow部署到移动端
liugan528的博客
04-30 1万+
本文以训练一个简单的图像分类器为主线，讲述从数据准备->训练->验证->预测->模型转换->部署到Android手机整个流程。 1 数据准备->训练->验证->预测 数据准备->训练->验证->预测，这部分可参考tensorflowClassification，其讲述了两种训练图像分类器的方式。 需要注意的是mobilen...
tensorflow_demo.apk——1
09-12
tensorflow的android demo,包含物体识别，物体检测，图像风格变化，语音识别等4个demo,非常有用。 tensorflow的android demo,包含物体识别，物体检测，图像风格变化，语音识别等4个demo,非常有用。 tensorflow的...
TensorFlow-Examples.zip_tensflow 官方demo_tensorflow_tensorflow d
07-13
tensorflow项目demo，用于初学者学习tensorflow
基于 TensorFlow Lite 开发的 Android 端中文语音识别 Demo.zip
03-27
在这个"基于 TensorFlow Lite 开发的 Android 端中文语音识别 Demo.zip"中，我们将探讨如何利用 TensorFlow Lite 在移动设备上实现本地化的中文语音识别功能。 首先，让我们了解 TensorFlow Lite。它是 TensorFlow ...
tensorflow_speech_recognition_demo-master_TensorFlow识别_DEMO_语音识别
09-29
在本项目"tensorflow_speech_recognition_demo-master"中，我们将探讨如何使用TensorFlow进行语音识别。TensorFlow是一个强大的开源机器学习框架，广泛应用于各种人工智能任务，包括自然语言处理（NLP）和语音识别。...
新唐mcu（N76E003）全套DEMO，可直接运行
11-29
在"新唐mcu（N76E003）全套DEMO，可直接运行"中，提供的DEMO源码是开发者快速理解和入门N76E003单片机开发的关键资源。这些DEMO包含了基本的硬件驱动、初始化设置以及可能的应用示例，可以帮助开发者了解如何与MCU的...
tensor flow
11-28
http://www.tensorfly.cn/tfdoc/get_started/os_setup.html
TensorFlow Lite所有示例应用APK.zip
07-14
TensorFlow Lite 图像分类示例应用 Android 部署https://xercis.blog.csdn.net/article/details/118558394
使用Tensorflow部署手机端app之将TensorFlow训练好的模型迁移到Android APP上（3）
qq_22169787的博客
05-11 2087
本博客仅供个人学习使用，欢迎学习原博客：https://blog.csdn.net/u012328159/article/details/81101074，如有侵权，联系作者删除。 原博客相关链接： 博主代码开源在github：https://github.com/tz28/Chinese-number-gestures-recognition 一步步做一个数字手势识别APP：https:/...
Tensorflowlite图像识别模型--安卓端部署教程
出门吃三碗饭的博客
04-21 3084
本文将通过介绍使用TensorflowLite框架，利用AndroidStudio工具来实现识别模型的移动端部署（获取方式在文末）。
谷歌发布TensorFlow Lite：移动端+快速+跨平台部署深度学习
大数据文摘
11-15 2083
大数据文摘作品 作者：龙牧雪 魏子敏 相隔近半年，谷歌TensorFlow Lite终于正式发布。 11月15日凌晨，谷歌正式发布了TensorFlow Lite开发者预览版（developer preview）。 有了TensorFlow Lite，应用开发者可以在移动设备上部署人工智能。今年5月，谷歌在I/O开发者大会上宣布了TensorFlow
详解如何将TensorFlow训练的模型移植到Android手机
热门推荐
玛莎鱼的博客
02-20 4万+
前言本文中出现的TF皆为TensorFlow的简称。先说两句题外话吧，TensorFlow 前两天热热闹闹的发布了正式版r1.0，可感觉自己才刚刚上手 r0.12，这个时代发展的太快，脚步是一刻也不能停啊~但是不得不吐槽 TensorFlow的向下兼容做的实在不太友好，每次更新完版本，以前的代码就跑不动，各种提示您使用的函数已经不存在。。。代码积攒的越来越多，全部针对新版本翻改一遍，工程真是浩大。但
tensorflow基本的demo二
家楠168的博客
08-14 613
一共四个demo可以拿下来跑一跑 import tensorflow as tf w = tf.Variable([.1],dtype=tf.float32) b = tf.Variable([-.1],dtype=tf.float32) x = tf.placeholder(tf.float32) linear_model = w*x + b y = tf.placeholder(tf....
tensorflow 官网安装
weixin_38208741的博客
05-02 1822
You can install TensorFlow either from our provided binary packages or from thegithub source. Requirements The TensorFlow Python API supports Python 2.7 and Python 3.3+. The GPU version works best
jsQR兼容手机端扫二维码demo
10-09
您可以使用jsQR库来实现在手机端扫描二维码的功能。以下是一个简单的示例代码： ```html <!DOCTYPE html> <html> <head> <title>手机端扫描二维码示例</title> </head> <body> <video id="qr-video" width="100%" height="auto"></video> <canvas id="qr-canvas" style="display: none;"></canvas> <script src="path/to/jsQR.js"></script> <script> // 获取视频元素和画布元素 const video = document.getElementById('qr-video'); const canvas = document.getElementById('qr-canvas'); const canvasContext = canvas.getContext('2d'); // 打开摄像头 navigator.mediaDevices.getUserMedia({ video: true }) .then(stream => { video.srcObject = stream; // 在视频播放前检测二维码 video.addEventListener('loadedmetadata', () => { canvas.width = video.videoWidth; canvas.height = video.videoHeight; setInterval(() => { canvasContext.drawImage(video, 0, 0, canvas.width, canvas.height); const imageData = canvasContext.getImageData(0, 0, canvas.width, canvas.height); const code = jsQR(imageData.data, imageData.width, imageData.height); if (code) { console.log('扫描到的二维码内容:', code.data); } }, 1000); // 每隔1秒检测一次 }); }) .catch(error => { console.error('摄像头打开失败:', error); }); </script> </body> </html> ``` 请确保将上述代码中的`path/to/jsQR.js`替换为实际的jsQR库文件路径。该代码会打开手机摄像头，实时检测二维码并输出扫描到的内容。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 24
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值