tensorflow模型移植到Android手机上 tensorflow lite 的应用

最新推荐文章于 2022-10-12 14:01:28 发布

康康这名还挺多

最新推荐文章于 2022-10-12 14:01:28 发布

阅读量1.7k

点赞数 3

本文链接：https://blog.csdn.net/qq_28641891/article/details/107336745

版权

本文介绍了如何将使用TensorFlow 2.0训练的深度学习模型移植到Android手机上，通过TensorFlow Lite进行部署。主要内容包括模型转换为tflite文件、在Android项目中的配置、读取模型、处理图像数据以适应模型输入，以及运行模型并获取预测结果。最终成功在Android设备上运行模型，实现模型的移动端应用。

摘要由CSDN通过智能技术生成

tensorflow 练完模型后应用的时候想放在终端运行 google官方给了一个解决方案这一是未来的趋势通过tensorflow lite 来做本人会安卓所以自己探索出应用的过程：

1.用tensorflow2.0训练车自己的模型这个过程用python 这里不做示例

2.训练后注意保存一定要保存成文件夹方便后续操作：

cpcallback=tf.keras.callbacks.ModelCheckpoint(filePath,save_weights=True)

model.fit(train_data,epochs=1,steps_per_epoch=x,validation_data=test_data,validation_steps=y,callbacks=[cpcallback])

#保存成文件夹，不能保存成.h5文件
model.save('./kang')

3.保存之后需要用tensorflow lite 转换成我们需要的tflite文件：

def creat_lite():
    converter = tf.lite.TFLiteConverter.from_saved_model('./kang')

    converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS,
                                           tf.lite.OpsSet.SELECT_TF_OPS]
    tflite_model = converter.convert()
    open("converted_model.tflite", "wb").write(tflite_model)