Missed TensorFlow Dev Summit? Check out the video playlist. Watch recordings

Android 快速上手

要在Android上使用TensorFlow Lite,我们推荐您探索下面的例子。

Android 图像分类示例

有关源代码的说明,您还应该阅读 TensorFlow Lite Android 图像分类.

该示例应用程序使用 图像分类 来连续地对设备的后置摄像头所看到的内容进行分类。 该应用程序可以运行在真实设备或者模拟器上。

使用 TensorFlow Lite Java API 来执行推理。该演示应用程序实时地对图像帧进行分类,显示最可能的分类结果。它允许用户选择浮点或 量化 模型,选择线程数,并决定运行在CPU,GPU上,亦或是通过 NNAPI运行。

注意: 这些示例提供了其他的在多种用例中演示使用TensorFlow Lite的应用程序。

在Android Studio中构建

如果您要在Android Studio 构建例子,请遵循 README.md中的说明。

创建您自己的Android应用程序

如果您想快速编写您的Android代码, 我们推荐使用 Android 图像分类代码例子 作为起始点。

下面的部分包含了一些有关如何在Android上使用TensorFlow Lite的有用信息。

使用JCenter中的TensorFlow Lite AAR

如果您要在您的Android应用程序中使用TensorFlow Lite,我们推荐使用 在JCenter中托管的TensorFlow Lite AAR

您可以像下面这样在您的build.gradle依赖中指定它:

dependencies {
    implementation 'org.tensorflow:tensorflow-lite:0.0.0-nightly'
}

这个AAR包含了 Android ABIs中的所有的二进制文件。您可以通过只包含您需要支持的ABIs来减少您应用程序的二进制文件大小。

我们推荐大部分的开发者删简 x86x86_64,和arm32 的ABIs。您可以通过如下的Gradle配置实现,这个配置只包括了 armeabi-v7aarm64-v8a,该配置能涵盖住大部分的现代Android设备。

android {
    defaultConfig {
        ndk {
            abiFilters 'armeabi-v7a', 'arm64-v8a'
        }
    }
}

想要了解更多有关 abiFilters的信息, 请查看Android Gradle文档中的 NdkOptions

在本地构建TensorFlow Lite

在某些情况下,您可能希望使用一个本地构建的TensorFlow Lite. 比如说,您可能正在构建一个自定义的包含了 从TensorFlow中选择的操作的二进制文件。

在这种情况下,请参照 自定义 AAR 构建说明 来创建你自己的AAR并将其包含在您的APP中.