在Android上部署深度学习模型之apk的编译(九)

最新推荐文章于 2023-07-16 10:01:20 发布
最新推荐文章于 2023-07-16 10:01:20 发布
阅读量572 收藏
点赞数
分类专栏： 手把手教你使用ncnn部署深度学习模型
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/sinat_29957455/article/details/116425717
版权

导读

上一篇文章中，我们已经实现了按钮的功能，并且通过CPU和GPU来调用JNI里面的函数来预测图片，这篇文章就教大家如何来编译apk，并且将编译出来的apk文件安装到手机里。

Android手机调试

Android studio提供了两种方式来调试，一种是通过Android模拟器，另一种是使用真机来调试。这里我们使用真机来调试

  • 打开手机的开发者模式
    不同的机型会略有差别，具体大家可以百度，我这里主要介绍华为手机打开开发者模式的方法，打开设置–>关于手机(滑到最下面)–>点击版本号，如下图所示
    在这里插入图片描述
    如果出现您已处于开发者模式，无需进行此操作的提示就可以了。
  • 通过USB线连接电脑
了解本专栏 订阅专栏 解锁全文 超级会员免费看
修炼之路
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
Android Killer apk反编译工具
07-16
Android Killer apk反编译工具
如何将模型部署到安卓移动端，这里有一份简单教程
热门推荐
机器之心
07-18 1万+
本文介绍了如何利用 TensorFlow Mobile 将 PyTorch 和 Keras 模型部署到安卓移动端。截至 2018 年，全球活跃的安卓设备已经超过了 20 亿部。安卓手机的迅速普及在很大程度上得益于各种各样的智能应用，从地图到图片编辑器无所不有。随着深度学习技术的兴起，移动应用注定会变得更加智能。深度学习加持下的下一代移动应用将专门为你学习和定制功能。微软的「SwiftKey」就是一...
深度学习模型DNN部署到安卓设备上全流程示例——{pytorch-＞onnx＞ncnn-＞Android studio}
xiaodidididi521的博客
04-08 7290
深度学习模型DNN部署到安卓设备上全流程示例——{pytorch-＞onnx＞ncnn-＞Android studio}
深度学习模型的Android部署方法
qq_45193872的博客
04-17 3701
深度学习模型（图像分类、目标检测、语义分割等）在Android设备中的部署步骤。
<反编译>从 APK中提取想要的资源
桑榆的专栏
06-30 1万+
如果你看过我之前的博客。 那么我要向你道歉！ 我特么又太监了，虽然这不是第一次。 真心不怪我，毕业之后就直接找到工作了，结果是继续干AR开发。 所以近期会更新几个和AR相关技术的帖子吧。 或许是干货，反正你们又看不到，哈哈哈。 偷偷的告诉你们，现在接了一个《口袋动物园》的外包，要完全模拟一样。 所以就有了这篇文章。 开始了，闲话不谈。 首先拿到apk,把后缀名改成
在Android上部署深度学习模型之项目结构(二)
修炼之路
05-04 908
导读 前面我们通过c++实现了mobilenet模型的调用，现在我们想通过Android来调用c++代码，来实现Android端深度学习模型的部署。IOS端可以通过object c直接调用c++代码，Android提供了JNI用来调用c++代码 JNI JNI （Java Native Interface，Java本地接口）是一种编程框架，使得Java虚拟机中的Java程序可以调用本地应用/或库，也可以被其他程序调用。 本地程序一般是用其它语言（C、C++或汇编语言等）编写的，并且被编译为基于本机硬件和操作
在Android上部署深度学习模型之Android配置文件(六)
修炼之路
05-05 491
导读 这篇文章我们主要讲下，我们用到的一些配置文件以及相关的一些设置，只要稍微了解一下知道那个配置文件是干什么的就行。 build.gradle配置文件 在使用Android studio创建Android项目的时候，默认会创建两个build.gradle文件，一个是工程目录下的，一个是module目录下的，一个工程目录下可以由多个module。我们下面来看看这两个build.gradle文件的位置 工程目录下的build.gradle我们不需要过多关注，使用默认设置即可。这里主要介绍一下app目录下的b
深度学习模型DNN部署到安卓（移动）设备上——pytorch-＞onnx-＞ncnn-＞Android
xiaodidididi521的博客
03-14 1万+
最近，由于实验要求，我需要把在服务器上训练好的pytorch模型预训练.pth文件部署到安卓端测试推理时间，但是一直不知道应该怎么转变模型和部署，查了很多资料，遇到了很多问题，在同学的帮助下，尝试成功。 我简单记录一下整个部署流程，希望可以帮助想要尝试的同志们，同时，如果之后还需要部署相同项目的时候，我还可以参考这篇笔记。 一共有四个部分，pytorch->onnx->ncnn->Android 1.pytorch->onnx （1）安装onnx和onnxruntime onnx:
PyTorch模型安卓部署流程(NCNN)
最新发布
AIGC Studio：分享AIGC前沿知识和好玩应用
07-16 6667
如果我们想在手机端运行我们的深度学习模型需要怎么做呢？本文介绍了端侧深度学习模型部署流程(NCNN),在了解基本概念之后可以尝试运行NCNN官方demo实例，并根据自己需求进行改进，这样就可以在自己的手机上部署深度学习模型啦~
使用Java部署训练好的Keras深度学习模型
fafawf的博客
04-13 2819
使用Java部署训练好的Keras深度学习模型！！！！： http://www.atyun.com/26414.html java web应用调用python深度学习训练的模型： https://blog.csdn.net/weixin_30377461/article/details/96496250
Android-DeepLearning:结合android平台和深度学习，做一点有意思的东西
04-13
zeal-doc 平时学习-工作总结，有两个方向： 其一是Android开发方向 其二是Linux平台开发方向，包括Opencv图像处理，深度学习框架Tensorflow使用，C/C++，python开发 ImgProc-c++是一个c/c++工程，主要是结合opencv和tensorflow进行一些图片处理 ImgProc-python是图片处理的python实现 tensorflow目录是python工程，主要是使用python对深度学习框架tensorflow进行研究和开发 Android开发在windows平台，其它的则在linux平台(ubuntu18)
《tensorflow训练好模型移植到android》教程 共66页（适合初学者，能很快上手），编译成APK，运行到Android客户端，包含两个实例
01-30
《tensorflow训练好模型移植到android》教程，共66页pdf格式文档（幻灯片形式），讲解清楚，能很快实现。涉及两个例子，第一个是将Tensor flow的实例编译成APK，安装运行到Android客户端，立即可以使用；第二个是自己训练Tensorflow模型，训练几千次之后，将训练好的模型（文档中给出了详细的模型训练，具体训练的图片安装说明再准备提供即可使用），编译成APK，安装运行到Android客户端。适合初学者，能很快上手。具体实验环境为 Mac OS 10.13.2；Tensorflow-master；androidsdk：api_level = 26, build_tools_version = "27.0.3"；androidndk：android-ndk-r12b，api_level=14 . 另外，第一个编译好的APK实例可以在http://download.csdn.net/download/wuxinxing1981/10232528上下载
Android APK反编译图文教程
09-02
学会反编译比较关键，也是我们美化必须掌握技术，学会反编译也是实现制作ROM的起步，ROM高手必然是反编译高手这里有必要说一下，教程只是给你一个动手的那一个跷板，教程不是万能的，给了你基础与启发，最重要的是...
Android开发apk反编译和二次打包教程
01-05
作为Android开发者，工作中少不了要反编译别人的apk，当然主要目的还是为了学习到更多，取彼之长，补己之短。今天就来总结一下Android反编译和二次打包的一些知识。首先声明本文的目的是为了通过例子讲解反编译和二...
Gradle编译打包Android apk详细介绍
01-04
Gradle编译打包Android apk详细介绍 理解Gradle构建过程，解读Android Gradle插件的配置 阅读本文一定是要使用过Gradle生成apk，文中不会讲如何安装运行Gradle，如有需要可先看文末的参考文章。 APK包是一个ZIP...
ncnn常见的错误以及解决办法
修炼之路
05-04 5468
param is too old, please regenerate 这个问题的主要原因是因为模型(param)文件的格式太旧了导致的，通过从git上clone最新的ncnn代码，然后在build之后，通过模型转换工具将模型转换为param和bin文件，转换完成之后，请查看param文件的第一行是不是7767517。 find_blob_index_by_name XYZ failed 这种错误通常是发生在Extractor::input()/extract()，通过blob name来获取网络中的某些层
移动端深度学习模型部署框架ncnn介绍
修炼之路
05-02 3542
导读 当我们把深度学习模型训练好之后，想要基于深度学习模型来开发实际应用的时候，主要有三种不同的应用场景移动端、桌面端和服务器端。 移动端部署：我们将模型封装成SDK给Android和IOS调用，由于移动端算力有限通常还需要考虑基于移动端CPU或GPU框架的优化问题来提速。如果模型要求的算力比较大，就只能考虑以API的形式来调用了，这时候模型是部署在服务器上的。 桌面端：桌面应用主要包括Windows和Mac OS以及Linux，这时候我们还是需要将模型封装成SDK然后提供接口来进行调用。Windows将
实现人脸识别APP(一)
修炼之路
05-05 2766
导读 前面我们介绍了如何使用ncnn来构建一个基于mobilenet的图像分类应用，通过这个项目大家已经熟悉在移动端上部署深度学习模型的整个流程以及每个步骤。接下来，我们来部署一个稍微复杂点项目，教你如何在手机上来实现一个人脸识别应用。 这个应用由两个模型组成，由人脸检测和人脸识别模型组成，我们这里实现的只是一个simple版的。一个人脸识别应用除了人脸检测和人脸识别之外还包括活体检测、姿态检测、质量评估等模块。如果大家有兴趣，后期可以在我的项目上进行扩展 现在人脸识别的应用已经随处可见了，刷脸支付、登录、
Python使用mobilenet的预训练模型进行预测
修炼之路
05-04 1873
导读 上一篇文章中我们利用ncnn的例子在visual studio中配置了一个ncnn的运行环境，接下来我们会介绍如何来利用ncnn部署一个自己的模型，这里我们利用ImageNet的mobilenet1.0为例，这篇文章我们先介绍如何在python中使用这个模型来做预测，后面再将这个模型迁移到ncnn中。 先用Python实现模型预测的主要目的是为了验证模型的结果，保证Python中的预测结果与C++中的结果一致，因为在使用ncnn做模型预测的时候，很有可能因为你的某一个操作环境出错而导致你的模型预测错误
Android项目编译出来的apk怎样在模拟器AVD上安装运行
03-11
您可以通过以下步骤在模拟器AVD上安装运行Android项目编译出来的apk文件： 1. 打开Android Studio并启动模拟器AVD。 2. 在Android Studio中选择“Run”菜单，然后选择“Run app”选项。 3. 在弹出的对话框中选择您要运行的模拟器AVD。 4. 点击“OK”按钮，Android Studio将自动构建并安装您的应用程序。 5. 一旦应用程序安装完成，您可以在模拟器AVD上启动它并进行测试。 希望这可以帮助您。

“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
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

打赏作者

修炼之路

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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