TF标准模型TensorFlow Mobile for Android

在推出Tensorflow（一下简称TF）时同时推出了TensorFlow Mobile（手机版和标准电脑版有区别，一下简称TFM）对于移动设备上使用深度学习网络还是有相对的限制，主要是计算性能无法达到。近期google推出了专门针对移动设备上可运行的深度网络模型简单版（Tensorflow Lite，一下简称TFT），查看其demo效果识别速度确实比较快，但是也有很多限制目前而言，区别如下：
1 TFT是TFM的进化版，在大多数情况下使用TFT来开发可以减少很多空间，其网络模型要比TFM要小的多。
2 TFT目前为开发预览版本，没有涵盖所有用例，如果有需求还是推荐使用TFM。
3 TFT目前只支持一组有限的运算符，因此默认情况下并不是所有TF网络模型都可以运行。而TFM具有更全面的支持功能。

整个过程可分为3个步骤：
1 使用现有优秀的网络模型训练自己的模型
2 模型转换成TFM可识别使用的模型文件
3 在AndroidStudio进行构建

如何使用现有的网络模型训练自己可用的模型？
这里使用google训练好的模型inception-2015-12-05.tgz（该模型在ImageNet比赛中获得No.1）
https://storage.googleapis.com/download.tensorflow.org/models/tflite/mobilenet_v1_224_android_quant_2017_11_08.zip
模型下载需要穿墙。下载好以后新建文件夹retrain存放如新建inception_model 文件夹，这里手动解压，正常应该会有这些文件：(文件夹名称随意)

该模型能识别1000个物体类别，性能表现良好，因此选择该模型进行“迁移学习“

现在开始准备我们需要让网络识别的物体数据，如做人脸识别，可以事先采取人脸数据，每个人脸数据图片不得少于 20 张图片，格式为jpg或者png。这里准备乔布斯照片20张