在Android中使用TensorFlow的原理与步骤

概述

本文主要讲解TensorFlow（以下简称TF）在Android中的使用，主要分为三个部分来讲解。第一部分为TF介绍，主要让读者明白一些基本概念和原理，以及模型的保存方式。第二部分为Android中使用TF的原理与方法，包括使用已经训练好的模型。第三部分为使用TF的官方代码，在Android Studio下构建TensorFlow Android Camera Demo。

由于此文的目的在于介绍基本的Android中使用TF，所以对于复杂的涉及TF的代码不予详细的说明，如果有条件，我会单独设立系列专题总结TF的特性。

TF介绍

TF的计算是通过一个计算图(computation graph，有时也称有向图,directed graph)模型来完成的，图中流动的数据称为tensor（张量），因此得名tensorflow。使用TF完成一个目标就是需要搭建一个对应的图模型（Graph），一个图可以分解为Node节点（一个节点表示一个操作，operation）、在图中流动的tensor、节点之间的连接边（edge）。Node可看做是一个计算节点，接受任意数量的输入，给出任意数量的输出，比如一个常量节点接受0个输入，给出对应的常量输出。TF使用placeholder来获得模型的输入，Variables来表示模型里需要训练的参数。

如以下代码定义了y=W*x+b的一个线性模型

W = tf.Variable(1.,name="W")
b = tf.Variable(-1.,name="b")
x = tf.placeholder(tf.float32,name='x')
y =tf.placeholder(tf.float32,name='y')
y_ =tf.add(tf.multiply(W,x,name="W_x"),b,name="output")

对应的图模型为