当涉及到ML模型处理数字数据时，TensorFlow Lite有用吗？
我正在开发一款智能移动恒温器，可以在Android和Spring中优化和节能。ML模型应该应用于Spring Boot应用程序，该应用程序将成为Android应用程序将要与之通信的服务器。
为了创建ML模型，我需要提供数据集，其中包括应定期更新的历史平均室外温度、当前室外温度和室温、建筑物的换热系数、房间面积和隔间以及关于平均房间大小的采暖季节的平均能量(热)使用量。
因此，我想知道这个工具(TensorFlow Lite)是否有用，特别是什么AI方法和算法最适合这个应用程序，以处理数字数据并创建模型，根据用户的喜好(准确的温度，获得所需结果的时间，节省能源)控制炉子何时打开和关闭。如果需要的话，如果你能给我一些其他的建议，我将不胜感激。
回答 1
Stack Overflow用户
发布于 2019-04-25 23:10:24
TensorFlow Lite是在Android上运行ML模型(支持的操作有限)的最佳方式。我个人曾在图像分类中使用过here。
移动精简版是TensorFlow TensorFlow的继任者，目前已被弃用，但仍在使用。
在你的问题中，你有一些功能，标签是二进制的(0代表关闭，1代表开启)。您可以收集一些数据并在此基础上训练Keras模型。
Keras是一个开源的神经网络库，也是基于TensorFlow构建的，可以在
tf.keras模块中获得。
你可以在他们的网站上找到教程。在将模型保存到一个.h5文件后，您需要将其转换为一个.tflite文件，这是我们的TensorFlow精简模型。请参阅此file。
converter = tf.lite.TFLiteConverter.from_keras_model_file( keras_model_path )
tflite_buffer = converter.convert()
open( tflite_file_path , 'wb' ).write( tflite_buffer )您可以将此模型保存在应用程序的assets文件夹中，并使用Interpreter类将其加载到Android中。您可以看到这个file。
你可以看到应用程序"Skinly“。它使用TensorFlow精简版。Python项目为here，Android项目为here。
提示：
因为您使用了单词服务器，所以可以使用TensorFlow.js在JavaScript中创建ML模型。您也可以在其中加载Python模型。
此外，您已经在Firebase ML Kit上托管了模型。
希望这能有所帮助。
https://stackoverflow.com/questions/55851814
复制相似问题
腾讯云开发者
