【免费教学】在嵌入式中使用 TensorFlow Lite

第一期中,分享了 TensorFlow Lite 的一些基本知识。今天与大家分享 Android 平台上的一些 TensorFlow Lite 应用,先来一起看看视频吧:

视频内容

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。

手把手教你开发

物体识别:

  • 第一课:人工智能在嵌入式中的机会
  • 第二课:开发机器学习app前的准备工作
  • 第三课:把tensorflow,模型和测试数据导入Android工程
  • 第四课:模型的使用
  • 第五课:推理结果的可视化

模型训练:

  • 1.训练模型之准备工作
  • 2.训练模型之运行一个demo
  • 3.训练模型之在GPU上训练的环境安装
  • 4.训练模型之准备训练数据
  • 5.训练模型之利用训练的模型识别物体

总结和经验

首先 App 会从照相机读取每一帧, 并把帧变成图片,然后用这些图片作为这个模型的输入,模型计算后会输出一个指引,这个指引指向一个标识和对应到标识的可能性。这个模型计算的过程属于黑盒计算的过程。

到这里你应该学会如何在嵌入式端利用 tensorflow 开发一款自己的app了,是不是想迫不及待地试一试了,赶快行动把你的经验也分享出来吧,欢迎留言一起讨论学习!

部分内容摘自tensorflow公众号.

原文发布于微信公众号 - 人人都是极客(rrgeek)

原文发表时间:2018-06-20

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏企鹅号快讯

谷歌TensorFlowLite正式发布,机器学习框架向移动端大步挺进!

上个月,谷歌正式宣布推出针对移动设备和嵌入式设备的轻量级解决方案 TensorFlow Lite。而在此之前,今年 5 月份的谷歌 I/O 大会上他们已经对此进...

2077
来自专栏ATYUN订阅号

机器学习项目:使用Keras和tfjs构建血细胞分类模型

人工智能的应用非常广泛,尤其是在医疗领域。先进的人工智能工具可以帮助医生和实验室技术人员更准确地诊断疾病。例如,尼日利亚的一位医生可以使用这个工具从他根本不了解...

2613
来自专栏小小挖掘机

数据城堡参赛代码实战篇(七)--- xgboost介绍及实战

小编们最近参加了数据城堡举办的“大学生助学金精准资助预测”比赛,以分组第19名的成绩进入了复赛,很激动有木有!在上一篇文章中,小编介绍了使用sklearn进行数...

3474
来自专栏目标检测和深度学习

用好这几款炼丹利器,调参从此得心应手 | Let's Fork

#实现显示结果的CV开发环境 ? Live CV 是一个用于实现显示结果的计算机视觉算法开发环境,基于 QtQuick 开发。它可以用于交互、链接和调整算法,以...

3728
来自专栏机器之心

资源 | Luminoth:基于TensorFlow的开源计算机视觉工具包

3397
来自专栏CVer

开源 | 深度学习网络模型(model)可视化开源软件Netron

前两天,Amusi分享了一篇 经典卷积神经网络(CNN)结构可视化工具,该工具可用于可视化各种经典的卷积神经网络结构。如AlexNet、VGG-16、ResNe...

7543
来自专栏AI科技大本营的专栏

详解CPU漏洞对机器学习的影响:几乎所有卷积层都受影响,QR分解降速37%

作者 | Mikel Bober-Irizar 翻译 | 刘畅 编辑 | Donna (备注:KPTI 在计算机中指 Kernel page-table iso...

2908
来自专栏吉浦迅科技

TensorRT

作为Inference(推理)端的SDK的工具,TensorRT是可编程的处理加速器,主要是用来部署神经网络到Inference端之前,对于网络进行优化加速,来...

72311
来自专栏数据小魔方

think-cell chart系列9——折线图

今天跟大家分享think-cell chart系列的第9篇——折线图。 折线图是平时用的频率比较高的图表类型的了,下面教大家怎么在think-cell char...

5067
来自专栏ATYUN订阅号

Meltdown漏洞和KPTI补丁如何影响机器学习性能?

在2018年初,互联网领域发现了两大系统漏洞,影响了主要的处理器厂商,这两大漏洞分别是“Meltdown(熔断)”和“Spectre(幽灵)”。这些漏洞是处理器...

4047

扫码关注云+社区

领取腾讯云代金券