tensorflow-lite arm mnist 自定义模型部署

tensorflow-lite arm mnist 自定义模型调试成功

调试一周，终于在arm开发板上调通tensorflow-lite，看了一圈博客和官网，大部分都是Android的示例，arm的比较少，在这儿记录下，顺便当写文档了，代码就直接贴在下面。
说明：
1、不讲如何训练模型（百度一大把）；
2、不讲如何生成tflite模型文件（按照官网说明就能搞定：https://www.tensorflow.org/lite/devguide#2_convert_the_model_format）；
3、重点讲如何编译libtensorflow-lite.a文件；
4、重点讲如何调用tflite模型文件，来进行推理（C++ API）；

一、你手上应该有啥

1、一个tflite类型的模型文件。（我的是单层128的bp训练1000步得来的一个模型）；
2、tensorflow最新源码。（我的是20190111下载的，版本号不详，后面应该大差不差）；
3、一个arm7的板子；
4、自己交叉编译工具链（或者这个：arm-linux-gnueabihf-，不是搞嵌入式的，不太懂~~）；

二、编译libtensorflow-lite.a

工作的目录：/tensorflow/tensorflow/lite/tools/make/， 以前的tf版本可能不是这个目录，但是新的版本是在这个目录。
1、运行download_dependencies.sh
2、注意看这里面有ios\android\rpi三个的编译脚本， 但是没有arm-linux的，鉴于树莓派和arm-linux最接近（一样）， 所以执行如下命令复制一份出来：cp build_rpi_lib.sh ./build_linux_lib.sh
2、修改build_linux_lib.sh文件成如下样子：

修改CC_PREFIX这一行，修改arm