Android上的Tensorflow Lite开发简介bob体育提现

bob体育提现Android Development不仅限于可爱的小应用程序，这些应用程序将餐馆分开（这似乎是每个人的“天才应用程序”，还是我只是我？）。bob体育提现Android是一个强大的平台，拥有来自世界上最大，最有影响力的公司之一的支持。一家在机器学习最前沿的公司，并认为自己是“ Ai-First”。

学习Android的TensorFlow Litebob体育提现使开发人员可以将高级机器学习在其创作中实施。这大大扩展了应用程序的功能，并引入了无数新的潜在用例。它还教授宝贵的技能，这些技能只会在未来几年内增加需求。

也可以看看：您的工作安全吗？AI将在未来10 - 20年内销毁的工作

这是对机器学习的完美介绍，所以让我们开始吧！

什么是TensorFlow？

让我们从基础开始：什么是Tensorflow Lite？为了回答，我们应该首先看TensorFlow本身。TensorFlow是一个“端到端”（意味着多合一），开源平台，用于从Google Brain团队中进行机器学习。TensorFlow是一个开源软件库，可启用机器学习任务。

机器学习任务是任何需要算法和大量数据支持模式识别的问题。这是AI，但不在HAL中2001：空间奥德赛感觉。

也可以看看：人工智能与机器学习：有什么区别？

用例

机器学习应用程序的一个示例是计算机视觉。它使计算机能够识别照片或现场摄像头源中的对象。为此，必须首先通过显示该对象的数千张图片来“训练”程序。该程序永远不会理解对象，而是学会了可能与对象匹配的特定数据模式（对比度，特定角度或曲线）。随着时间的流逝，该程序在发现该对象时变得越来越准确。

作为Andrbob体育提现oid开发人员，计算机视觉创造了许多可能性：您是要使用面部识别作为安全功能，创建一个可以突出环境中元素的AR程序，还是构建下一个“ Reface”应用程序。这是在我们考虑机器学习模型的无数其他用途之前：语音识别，OCR，敌人AI等。

对于单个开发人员而言，从头开始创建和实施这些类型的模型将是一项非常艰巨的任务，这就是为什么可以访问现成的库如此有用的原因。

也可以看看：什么是Google Cloud？

TensorFlow能够在广泛的CPU和GPU上运行，但与Google自己的张量处理单元（TPU）尤其好。开发人员还可以通过将机器学习操作外包给Google的服务器来利用Google云平台的功能。

什么是Tensorflow Lite？

Tensorflow Lite将板载（这意味着它在移动设备本身上运行）张量流到移动设备。TFLITE软件堆栈于2017年宣布，专为移动开发而设计。另一方面，Tensorflow Lite“ Micro”是专门用于微控制器的版本，该版本最近与Arm的Utensor合并。

一些开发人员现在可能会问ML套件和Tensorflow Lite是。虽然肯定有一些重叠，但Tensorflow Lite较低且开放。更重要的是：Tensorflow Lite脱离设备本身，而ML套件需要一个火箱注册和主动的互联网连接。尽管Google令人困惑，但请注意，ML套件仍在“引擎盖下”使用Tensorflow。Firebase同样只是Google Cloud Platform项目的另一种类型。

也可以看看：使用机器学习和Firebase ML套件构建面对面的应用程序

通过C ++ API和Android开发人员的Java包装器在Abob体育提现ndroid和iOS上可用Tensorflow Lite。在支持它的设备上，库还可以利用Android神经​​网络API进行硬件加速。bob体育提现

您应该将哪个用于项目？这在很大程度上取决于您的目标。如果您不介意依靠外部云服务，ML套件可能会使您的生活更轻松。如果您希望代码本地运行，或者需要更多的自定义和灵活性，请选择Tensorflow Lite。

如何使用TensorFlow Lite

在解决机器学习问题时，开发人员依靠“模型”。ML模型是包含的文件统计楷模。这些文件经过训练以识别特定模式。培训本质上意味着向模型馈送数据样本，以便通过完善其使用的模式来提高其成功率。

也可以看看：ML套件图像标签：通过机器学习确定图像的内容

因此，计算机视觉模型可能会从对象的外观上一些基本假设开始。当您显示越来越多的图像时，它将变得越来越精确，同时还扩大了所需内容的范围。

您将遇到已经馈送所有这些数据的“预训练模型”，以完善其算法。因此，这种类型的模型是“准备出发的”。它可以自动执行一项任务，例如根据面部表情识别情绪或将机器人臂移动到空间中。

在TensorFlow Lite中，这些文件称为“ Tensorflow Lite模型文件”，并具有扩展名为“ .tflite”或“ .lite”。标签文件包括该文件经过培训的标签（例如，“ Happy”或“ Sad”，用于面部识别模型。）

培训ML模型

您可能还会遇到培训过程中使用的其他一些类型的文件。GraphDef文件（.pb或.pbtxt）描述您的图形，并且可以通过其他进程读取。TXT版本还设计为可读。您也可以使用TensorFlow构建它们。

检查点文件通过列出序列化变量来显示学习过程 - 让您查看值如何随时间变化。然后，冷冻图DEF将这些值转换为常数，并通过图从设置的检查点读取它们。然后建立Tflite模型从使用TOCO（张量流优化转换器工具）的冷冻图。这为我们提供了一个不错的“预训练”文件，然后我们可以在应用程序中实现。

讨论如何训练和导入模型超出了本文的范围，尽管您可以找到一个很棒的教程。

好消息是，TensorFlow任务库包含许多依赖于预训练模型的功能强大且简单的库。这些可以处理各种常见的任务，例如回答问题，识别面孔等。这意味着那些刚开始的人不必担心检查点文件或培训！

使用tflite文件

您可以通过多种方法来掌握应用程序的预先训练的Tensorflow Lite模型文件。我建议从官方Tensorflow网站。

跟随这个链接，例如，您将能够下载能够基本图像分类的入门模型。该页面还包括一​​些如何通过Tensorflow Lite任务库。您也可以使用Tensorflow Lite支持库如果您想添加自己的推理管道（即寻找新内容）。

下载文件后，将其放入您的资产目录中。您必须指定不应压缩文件。为此，您将以下内容添加到模块build.gradle：

设置您的Android Studbob体育提现io项目

为了在应用中使用TensorFlow Lite，您需要将以下依赖项添加到build.gradle文件：

接下来，您需要导入口译员。这是将实际加载模型并让您运行的代码。

在Java文件中，您将创建解释器的实例，并使用它来分析所需的数据。例如，您可以输入图像，这将返回结果。

结果将以输出概率的形式提供。模型永远无法确定对象是什么。因此，猫的图片可能是0.75狗和0.25猫。您的代码需要

或者，导入TensorFlow支持库并将图像转换为张量格式。

这些预训练的模型能够识别成千上万的图像。但是，存在许多不同的模型“体系结构”，这些模型改变了模型定义学习周期中涉及的“层”的方式，以及将原始数据转换为训练数据的步骤。

流行的模型体系结构包括Mobilenet和Inception之类的架构。您的任务是为作业选择最佳解决方案。例如，MobileNet旨在偏爱Lite和快速模型，而不是深层和复杂的模型。复杂的模型具有更高的精度，但以尺寸和速度为代价。

了解更多

虽然这是初学者的复杂话题，但我希望这篇文章能给您一个基础知识的想法，以便您可以更好地了解未来的教程。学习任何新技能的最佳方法是选择一个项目，然后学习完成该任务的必要步骤。

为了深入了解，我们强烈建议用张量流。本课程包括19个课程，将向您展示如何实施通用商业解决方案。bob哪个彩靠谱读者现在获得91％的折扣，使价格从124美元降至10美元。