温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

如何在嵌入式中使用TensorFlow Lite

发布时间:2021-12-23 15:44:08 来源:亿速云 阅读:390 作者:柒染 栏目:大数据

如何在嵌入式中使用TensorFlow Lite,相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。

今天与大家分享 Android 平台上的一些 TensorFlow Lite 应用,先来一起看看吧!

TensorFlow Lite 在安卓中的应用

 视频中的 App 用了一个叫 MobileNet 的模型。这个模型的特点是体积小、速度快(延迟低)、能耗低。这个模型包含的应用场景有:

  • 目标识别(地图 App 和 Google Lens 可能会用到)

  • 脸部追踪(相机和美颜应用)

  • 精细分类

  • 路标识别

模型的下载地址是:
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/lite/g3doc/models.md

在上述链接下载一个 Mobilenet_1.0_224 的模型包,里面包括了:

  • labels.txt 标识文件(模型训练的标识)

  • mobilenet_v1_0.75_224.tflite 文件(直接在 TF Lite 运行即可)

具体的开发

声明依赖

第一步就是在项目的 Gradle 文件中加入 org.tensorflow:tensorflow-lite:+ 这样一个依赖。

引入解释器

然后,在你的代码中需要引入解释器:

import org.tensorflow.lite.Interpreter;

这个解释器可以装载和运行模型,具体原理参照第一期的内容。

使用 App Assets 来加载模型

虽然你可以从任何地方来加载模型,但是更推荐你用App assets 来存储。

看完上述内容,你们掌握如何在嵌入式中使用TensorFlow Lite的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注亿速云行业资讯频道,感谢各位的阅读!

向AI问一下细节

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

AI