android版本的tensorflow 1.3

最新推荐文章于 2022-03-21 19:42:59 发布
最新推荐文章于 2022-03-21 19:42:59 发布
阅读量883 收藏
点赞数
文章标签： android python tensorflow
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/srplab1/article/details/78088902
版权

编译好的tensorflow 1.3版的python库，适用于android平台，分为arm架构和x86架构。可用于在android上采用python开发基于tensorflow的应用。

下载

arm版本


x86版本 


srplab1
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
[译] 如何在安卓应用中使用 TensorFlow Mobile
weixin_34090562的博客
05-16 157
原文地址：How to Use TensorFlow Mobile in Android Apps 原文作者：Ashraff Hathibelagal 译文出自：掘金翻译计划 本文永久链接：github.com/xitu/gold-m… 译者：luochen 校对者：ALVINYEH LeeSniper TensorFlow 是当今最流行的机器学习框架之一，您利用它可以轻松创建和训练深度模...
Tensorflow 将训练的模型迁移到Android两种方式
miao0967020148的专栏
05-09 2385
本文主要针对pb文件，用Android TensorFlow API实现目标检测和识别，不需要NDK和CMake混合编程 编译c/c++文件 只需要在Android项目模块的Module的build.gradle输入 // Tensorflow compile 'org.tensorflow:tensorflow-android:1.13.1' 由于很多处都可以查阅源代码，便不附加...
Tensorflow：Android调用Tensorflow Mobile版本API（2）-基于Android的调用
mandagod的博客
04-03 675
对上一篇博客中代码略做修改，在训练完成之后进行模型导出操作 # y = x^2 + 1 import tensorflow as tf import numpy as np import random def get_batch(size=128): xs = [] ys = [] for i in range(size): x = random.r...
在Android上使用Tensorflow
热门推荐
dongchang's blog
12-08 3万+
在安卓平台使用tensorflow项目github 最近更新 2017.6.7添加了app预览如下，更详细请到github 分类预览1： 拍照分类： 程序启动： 自动分类为相册： 最近更新 2017.3.7注意 最近有几个小伙伴询问移动端平台怎样使用自己的模型以及其他相关问题，我对部分问题做了总结，相关的内容在另外一篇博客中，点这里查看。另外大家要使用自己的模型请直接到上述
tensorflow 1.3 arm
09-25
TensorFlow 1.3 ARM 是一个专为Android平台上的ARM架构设计的Python库，它使得开发者能够在移动设备上利用TensorFlow 1.3版本的强大功能进行机器学习和深度学习应用的开发。TensorFlow是一个开源的计算框架，由谷歌...
tensorflow 1.3 x86
09-25
TensorFlow 1.3 x86 是一个专为Android平台设计的Python库，它使得开发者能够在x86架构的Android设备上运行TensorFlow 1.3版本的深度学习模型。这个压缩包包含了预编译的库文件，允许你在Android应用中无缝集成...
基于android的tensorflow人脸识别系统
04-26
2. **Android Studio**: Android Studio是Google推出的专业Android应用开发集成开发环境（IDE），提供了丰富的功能，如代码编辑、调试、性能分析和版本控制等。在这个项目中，开发者使用Android Studio来编写和编译...
Android OpenCV TensorFlow人脸检测模型
最新发布
08-11
3，OpenCV使用TensorFlow人脸检测模型实现人脸检测。 4，camera app实现人脸实时检测。 5，camera人脸检测模型高帧率达到30fps。 6，camera人脸检测模型准确率高达80%。 7，camera人脸检测模型侧脸，部分遮挡都可以...
android python tensorflow测试程序
03-31
对于移动平台，TensorFlow Lite是专门为嵌入式和移动设备设计的轻量级版本，它具有更小的体积、更快的运行速度，并且支持离线运行。在Android应用中集成TensorFlow Lite，可以实现在设备上进行实时的推理计算，例如...
Tensorflow1.13.1-MSVC2015X64-C++开发库
03-22
自己编译的Tensorflow-Gpu C++ 开发包，Windows x64系统 Vs2015 Cuda 10.2 Cudnn7.6 文件中是百度网盘提取码。
在Jupyter Notebook中使用Tensorflow-1.13.1（cpu版本）
01-20
说明：已安装anaconda 3，Windows10系统 下载过慢可以输入一下代码载入清华镜像： conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config –set show_channel_urls yes 三段代码分三次输入并执行。 打开 Anaconda Prompt 输入 “python
Tensorflow编译Android版本步骤及填坑(CentOS && Mac)
08-22 2937
在写此blog的时候，tensorflow更新到r1.3，bazel更新到0.5.3 1.下载tensorflow源代码，Tensorflow代码 git clone https://github.com/tensorflow/tensorflow.git 官方文档见 2.下载并配置jdk8【bazel需要jdk8】 官网下载地址， 另有国内下载及配置文档jdk，一定注意配置完后，用ja
tensorflow 几个android demo源码环境搭建
一叶知秋的专栏
04-27 1万+
tensorflow 几个android demo源码环境搭建说明tensorflow上有几个example，本文重点关注其在android上的应用，源码在gitHub上有，这个apk是什么样子，大家可以通过点击这里进行下载。系统要求 如果需要独立的库，需要分开构建tensorflow的源码 物体追踪以及YUV转RGB在libtensorflow_demo.so中 android5.0 ( API2
TensorFlow1.13.1安装指南
矮矮的夏祭的专栏
03-21 1万+
现在TensorFlow已经更新到2.8版本了，心血来潮想安装TensorFlow1.13.1发现会出现各种bug，开篇博客整理下遇到的问题
tensorflow-android 官方demo源码分析
谢杨易的博客
04-05 1万+
1 引言目前深度学习模型已经应用到了各个领域，将TensorFlow训练模型部署到终端上也逐步变为了现实。特别是mobileNet等体积小，占用内存少的模型出现后，将深度学习应用到终端上逐渐变得火热起来。mobileNet针对于终端，将标准的卷积分解成了一个depthwise 卷积和一个1x1的标准卷积，大大降低了模型参数数量。同时支持输入channel和resolution的裁剪，也大大降低了模型
Tensorflow在手机端的部署——官方demo的直接运行（1）
c20081052的专栏
09-27 9645
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...
Tensorflow学习过程问题整理（TensorFlow版本：1.13.1,Python版本：3.6）
鬼马行天的博客
06-18 7823
1.代码错误整理 （1）Spyder中Python代码运行出错 错误信息：Check failed: PyBfloat16_Type.tp_base != nullptr， 原因：numpy版本问题 解决方法：python -m pip install --upgrade numpy （2）使用keras下载fashion_mnist出错 错误原因：无法连接外网，下载不了 解决办法：下载数据集到C...
Tensorflow Lite初探（Android）
bhneo的博客
12-21 2万+
11月15日，谷歌正式发布了TensorFlow Lite开发者预览版。有了TensorFlow Lite，应用开发者可以在移动设备上部署人工智能。本文分析了官方tensorflow lite在android端的demo，并对tensorflow相关的模型持久化的知识点，尤其是tflite，做了简单的介绍和总结。
android 使用 tensorflow
03-25
1. 安装 TensorFlow 要在 Android 上使用 TensorFlow，首先需要安装 TensorFlow 库。可以使用以下命令安装： ``` pip install tensorflow ``` 或者使用以下命令安装 TensorFlow GPU 版本： ``` pip install tensorflow-gpu ``` 2. 在 Android Studio 中集成 TensorFlow 使用 Android Studio 可以很容易地将 TensorFlow 集成到 Android 应用程序中。下面是集成 TensorFlow 的步骤： 1. 在项目级别的 build.gradle 文件中添加以下依赖项： ``` dependencies { implementation 'org.tensorflow:tensorflow-lite:2.0.0' } ``` 2. 将 TensorFlow Lite 模型添加到应用程序的 assets 文件夹中。 3. 在应用程序的 MainActivity 中添加以下代码： ```java private MappedByteBuffer loadModelFile(Activity activity, String modelPath) throws IOException { AssetFileDescriptor fileDescriptor = activity.getAssets().openFd(modelPath); FileInputStream inputStream = new FileInputStream(fileDescriptor.getFileDescriptor()); FileChannel fileChannel = inputStream.getChannel(); long startOffset = fileDescriptor.getStartOffset(); long declaredLength = fileDescriptor.getDeclaredLength(); return fileChannel.map(FileChannel.MapMode.READ_ONLY, startOffset, declaredLength); } private String doInference(Bitmap bitmap, Interpreter interpreter) { // Preprocess the image data // ... // Run inference float[][] result = new float[1][NUM_CLASSES]; interpreter.run(input, result); // Postprocess the result // ... return label; } protected void onCreate(Bundle savedInstanceState) { super.onCreate(savedInstanceState); try { Interpreter interpreter = new Interpreter(loadModelFile(this, MODEL_FILE_NAME)); String label = doInference(bitmap, interpreter); } catch (IOException e) { Log.e(TAG, e.getMessage()); } } ``` 4. 将输入图像加载到 Android 应用程序中。 5. 调用 doInference 黄金探测器 TensorFlow 模型并获取结果。 3. 使用 TensorFlow 模型 使用 TensorFlow Lite 进行推断只需要几个步骤。首先，需要加载模型到 TensorFlow Lite 解释器中。 ```java Interpreter interpreter = new Interpreter(modelBuffer); ``` 接下来，需要为模型的输入创建一个数据缓冲区。 ```java Tensor inputTensor = interpreter.getInputTensor(0); ``` 现在，可以将输入数据加载到数据缓冲区中。然后，需要将输入数据传递给 TensorFlow Lite 解释器。 ```java interpreter.run(inputBuffer, outputBuffer); ``` 最后，可以从 TensorFlow Lite 解释器中获取模型的输出。 ```java Tensor outputTensor = interpreter.getOutputTensor(0); outputTensor.getFloatArray(outputBuffer); ```

“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
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