總覽
在為設備上機器學習（ODML）應用程序部署模型時，重要的是要注意移動設備上可用的有限內存。模型二進制大小與模型中使用的操作數密切相關。 TensorFlow Lite使您可以通過使用選擇性構建來減少模型二進製文件的大小。選擇性構建會跳過模型集中未使用的操作，並生成一個緊湊的庫，其中僅包含運行時和模型在移動設備上運行所需的op內核。
選擇性構建適用於以下三個操作庫。
下表展示了選擇性構建對某些常見用例的影響：
| 型號名稱 | 域 | 目標架構 | AAR文件大小 |
|---|---|---|---|
| Mobilenet_1.0_224（float） | 圖片分類 | armeabi-v7a | tensorflow-lite.aar（296,635字節） |
| arm64-v8a | tensorflow-lite.aar（382,892字節） | ||
| 香料 | 音高提取 | armeabi-v7a | tensorflow-lite.aar（375,813字節） tensorflow-lite-select-tf-ops.aar（1,676,380字節） |
| arm64-v8a | tensorflow-lite.aar（421,826字節） tensorflow-lite-select-tf-ops.aar（2,298,630字節） | ||
| i3d-kinetics-400 | 視頻分類 | armeabi-v7a | tensorflow-lite.aar（240,085字節） tensorflow-lite-select-tf-ops.aar（1,708,597字節） |
| arm64-v8a | tensorflow-lite.aar（273,713字節） tensorflow-lite-select-tf-ops.aar（2,339,697字節） |
已知問題/局限性
- 當前不支持C API和iOS版本的選擇性構建。
使用Bazel選擇性地構建TensorFlow Lite
本部分假定您已下載TensorFlow源代碼並將本地開發環境設置為Bazel。
為Android項目構建AAR文件
您可以通過提供如下所示的模型文件路徑來構建定制的TensorFlow Lite AAR。
sh tensorflow/lite/tools/build_aar.sh \
--input_models=/a/b/model_one.tflite,/c/d/model_two.tflite \
--target_archs=x86,x86_64,arm64-v8a,armeabi-v7a
上面的命令將為TensorFlow Lite內置和自定義操作生成AAR文件bazel-bin/tmp/tensorflow-lite.aar ;如果您的模型包含Select TensorFlow ops，則可以bazel-bin/tmp/tensorflow-lite-select-tf-ops.aar生成aar文件bazel-bin/tmp/tensorflow-lite-select-tf-ops.aar 。請注意，這將使用幾種不同的體系結構構建“胖” AAR。如果不需要所有這些，請使用適合您的部署環境的子集。
高級用法：使用自定義操作進行構建
如果您已經開發了具有自定義操作的Tensorflow Lite模型，則可以通過在構建命令中添加以下標誌來構建它們：
sh tensorflow/lite/tools/build_aar.sh \
--input_models=/a/b/model_one.tflite,/c/d/model_two.tflite \
--target_archs=x86,x86_64,arm64-v8a,armeabi-v7a \
--tflite_custom_ops_srcs=/e/f/file1.cc,/g/h/file2.h \
--tflite_custom_ops_deps=dep1,dep2
tflite_custom_ops_srcs標誌包含自定義操作的源文件，而tflite_custom_ops_deps標誌包含構建這些源文件的依賴項。請注意，這些依賴關係必須存在於TensorFlow回購中。
使用Docker選擇性地構建TensorFlow Lite
本部分假設您已在本地計算機上安裝Docker並構建了TensorFlow Lite docker文件 。
為Android項目構建AAR文件
通過運行以下命令下載用於使用Docker進行構建的腳本：
curl -o build_aar_with_docker.sh \
https://raw.githubusercontent.com/tensorflow/tensorflow/master/tensorflow/lite/tools/build_aar_with_docker.sh &&
chmod +x build_aar_with_docker.sh
然後，您可以通過提供如下所示的模型文件路徑來構建自定義TensorFlow Lite AAR。
85分貝 checkpoint標誌是您要在構建庫之前檢出的TensorFlow回購的提交，分支或標記。上面的命令將為TensorFlow Lite內置和自定義操作生成AAR文件tensorflow-lite.aar ，並為當前目錄中的Select TensorFlow操作生成AAR文件tensorflow-lite-select-tf-ops.aar 。
將AAR文件添加到項目
通過直接將AAR導入項目或通過將自定義AAR發佈到本地Maven存儲庫來添加AAR文件。請注意，如果生成它，還必須為tensorflow-lite-select-tf-ops.aar添加AAR文件。