在安卓上玩转Tensorflow Lite ：数据输入

Tensorflow lite不具备模型的训练功能，只能运行训练好的模型，所以他的核心就是一个模型的解释器（Interpreter）。

要用神经网络模型识别检测一个东西，需要四个要素：

1. 需要一个神经网络模型（怎么导出tensorflow lite格式的模型？）
2. 需要把这个神经网络模型运行起来（怎么构造解释器？）
3. 需要准备输入数据（Java中怎么封装tensor格式的数据）
4. 需要读取输出数据（如何获取输出的格式？怎么解析它？）

本文主要针对各种各样的输入数据：

1. 输入图片数据

比如有一个图像识别的模型，需要的输入数据格式为

 type: `uint8[1,300,300,3]`
quantization: -1 ≤ 0.0078125 * (q - 128) ≤ 0.9921875

即整型数组[300*300]，共三个通道RGB。

比如，我们现在有一张任意大小的图片（Bitmap：width=1920，height=1080）要放在模型里面去识别。

一般步骤是：

1. 首先把图片裁剪加缩放到指定的大小（要保证图片不能拉伸，且裁剪时要保留最大的内容）。
2. 然后把图片转换成tensorflowlite能读懂的类型

这里可以借助一个tensorflow lite support库，它可以帮助我们把安卓中的常见格式的图片转换成Tensor的格式输入给tf lite。

（1）导入依赖

dependencies {
   
    // 导入tflite依赖库
    implementation 'org.tensorflow:tensorflow-lite:2.3.0'
    // 导入tflite support依赖库
    implementation 'org