怎么将tflite部署在安卓上_手把手教程：如何从零开始训练 TF 模型并在安卓系统上运行...

本教程介绍如何使用 tf.Keras 时序 API 从头开始训练模型，将 tf.Keras 模型转换为 tflite 格式，并在 Android 上运行该模型。我将以 MNIST 数据为例介绍图像分类，并分享一些你可能会面临的常见问题。本教程着重于端到端的体验，我不会深入探讨各种 tf.Keras API 或 Android 开发。

下载我的示例代码并执行以下操作：

在 colab 中运行：使用 tf.keras 的训练模型，并将 keras 模型转换为 tflite(链接到 Colab notebook)。

在 Android Studio 中运行：DigitRecognizer(链接到 Android 应用程序)。

1. 训练自定义分类器

加载数据

我们将使用作为 tf.keras 框架一部分的 mnst 数据。

( x_train, y_train ) , ( x_test, y_test ) = keras.datasets.mnist.load_data ( )

预处理数据

接下来，我们将输入图像从 28x28 变为 28x28x1 的形状，将其标准化，并对标签进行 one-hot 编码。

定义模型体系结构

然后我们将用 cnn 定义网络架构。

def create_model ( ) :

# Define the model architecture

model = keras.models.Sequential ( [

# Must define the input shape in the first layer of the neural network

keras.layers.Conv2D ( filters=32,