手写选择题识别-封装tensorflow模型-移植到android程序

第一部分：

现在遇到的问题：还是因为线下python训练好的模型，不能够直接无缝连接使用。

这个看起来是android中直接调用tensorflow模型，那就不用和c++模块进行对接了 。

说起来惭愧，虽然接触了一段时间的tensorflow，但是好多东西没有需要所以也没有接触到，比如一般使用的多的是tensorflow的模型保存与重载，现在又接触到了对tf的封装（还看了部署到线上的情况）。
所以知道需要看这些的资料，就顺便记录下来，万一使用这个方法了呢？

参考的教程：
http://blog.csdn.net/masa_fish/article/details/56049710

在以前的模型中，需要注意 的几点
1.需要对输入层x，和输出层y，通过形参name进行命名。

######################   1.对输入层x命名，注意x是以placehoder占位的，而输出层不是这个。
x = tf.placeholder(tf.float32,shape=[None,n_input],name="x_input")
y = tf.placeholder(tf.float32,shape=[None,n_output])
#####################

######################   2.对输出层命名
pred = tf.add(tf.matmul(dense, w2), b2, name="y_output")
######################   2.对输出层命名

2.需要将模型保存为.pb格式的文件（就在模型训练完后的位置添加一行代码就可以保存，）
需要导入graph_util包

from tensorflow.python.framework import graph_util

##################模型封装
        output_graph_def = graph_util.convert_variables_to_constants(sess, sess.graph_def,
                                                                         output_node_names=["output"])
        # 形参output_node_names用于指定输出的节点名称(不是指的要输出的节点的名称)
        pb_file_path = " my_net/save_net.pb"
        with tf.gfile.FastGFile(pb_file_path, mode='wb') as f:
            f.write(output_graph_def.SerializeToString())

        ##################模型封装

第二部分：

#################################下面入了个坑，果然是要首先有好教程才行

应该是需要从源码安装tensorflow，才能够移植到android应用，所以教程上 都是说下载源码后，然后再安装 Bazel 。（如果是已经通过pip 安装了tensorflow ，那么再来源码编译 会冲突吗？）

1.从github上下载源码（这个会下载最新的，应该不会因为代码是前面一点的版本，而这个是后面的版本就有问题吧）

sudo apt install git

git clone https://github.com/tensorflow/tensorflow

这个会在当前文件夹下 克隆tensorflow源码到一个新的tensorflow文件夹中。

2.需要下载编译源码的工具

sudo apt-get install python-pip python-dev

先安装Bazel的依赖

sudo add-apt-repository ppa:webupd8team/java

sudo apt-get install openjdk-8-jdk openjdk-8-source

sudo apt-get install pkg-config zip g++ zlib1g-dev unzip

下载安装文件,然后再改变可执行权限

https://github.com/bazelbuild/bazel/releases

chmod +x bazel-0.5.3-installer-linux