Tensorflow Lite + Android + inceptionV3 实现 1k 类识别（没有 fine tuning）

介绍

Tensorflow Lite 是谷歌2017年底公布的新框架，基于Tensorflow的衍生。针对移动和嵌入式设备的轻量级解决方案。通过它，可以在移动设备上，实现小模型，低延迟的执行深度学习应用。

和 Tensorflow Mobile的区别

Tf发布的同时，也发布了 tf android 的应用例子。通过一系列复杂配置和编译后，可以生成静态库(.so)，用过JNI的方式实现调用。这没有问题！
但是，针对没有深度学习基础的同学来说，针对只想通过深度学习得到的结果实现二次开发的码农来说，不但要掌握点深度学习的知识（确切点说，需要学习完成 deeplearning.ai 的60%的课程），还要敲敲tensorflow的代码（掌握通过tf 实现网络编程、训练、重训、执行），基于这种前提，运用起来还是比较恼火~

于是，Tensorflow Lite把这些都简单化了，可通过很简单的方式移植到我们已有的android 工程上，并进行二次开发。

TensorFlow lite Android Demo：

直接进入正题，先下载一个可使用的工程，解压，根据自己的开发环境，修改gradle等等，实现编译通过。

该工程，在加入CameraKit第三方库，实现图片的获取和显示，如需了解详情，请阅读此篇文章
《针对图像处理的Android Fresh Project》

这个工程通过拍摄单张图像，通过 mobilenet模型，识别出imagenet规定的1000类中的某记类。工程中，通过实现 Classsifer.java中的接口，同lite 的 api ，调用了模型，通过 mainactivity中调用api，实现分类识别；

运行后，可以在手机开到如下界面，包括预览图像，前后置摄像头切换和拍照按钮。当点击拍照按钮，可以看到当前图像的识别结果。

Tensorflow Lite ，用于调用model，实现深度学习的功能（目前的demo用于分类）

导入+配置方式

在gradle 加入以下脚本

android {
    aaptOptions {
        noCompress "tflite"
        noCompress "lite"
    }
}

dependencies {
。。。。。。
    compile 'org.tensorflow:tensorflow-lite:+'
。。。。。。
}

然后，继承Classifier.java 接口，用过 TensorflowImageClassifier.java实现方法。其中，使用 Tensorflow Lite 自带Api，实现傻瓜式调用，输入图片和类别文档，得到输出（一个一维数组）

调用前，需把分类的模型(.lite)放在了asset文件夹下把标签文件，放在asset文件夹下，识别结果为一维数组，通过概率最大的索引，在标签文件里找到相关类名。具体代码请参考 TensorflowImageClassifier.java：

Notice
怎么把通过 tensorflow训练好并存储好的.pb模型，转换为.lite模型，请参考《Tensorflow 模型转换 .pb convert to .lite》