直接java调用tflite_使用tensorflow lite遇到的一些坑

尽管这里有tensorflow lite的详细

介绍，在实战中还是不免要踩一些坑。下面是我踩过的坑，记录下来，免得下次踩同样的坑)。

测试环境：

自己训练的模型。使用预训练的模型应该会更简单一些，不需要模型转换这个步骤。

Tensorflow 2.0.0-beta1

Android Studio 3.4.2

简单的回归预测案例

模型转换

试验了独立程序和训练后即时转换两种方式，最后觉得在训练模型后马上进行模型转换更方便，原因有两个：

在训练程序中，可以直接使用模型对象model进行模型的转换。

通常输入数据要进行标准化处理，而每次训练时所采用的数据集是不同的，导致标准化数据的mean和std会随之变化，因此需要将标准化数据的mean和std保存下来，以便传递给android app对输入数据进行同样的数据标准化处理。

上面的两个数据：转换后的模型和数据标准化基础数据都需要复制到Android app的assets目录下，因此在训练的程序中统一写一下更加方便，下面是我这边相应的代码：

# 模型训练完毕后转化模型converter = tf.lite.TFLiteConverter.from_keras_model(model)

tflite_model = converter.convert()

open("mymodel.tflite", "wb").write(tflite_model)

# 保存数据标准化相关数据(主要是mean和std)train_stats = train_dataset.describe()

trai