深度学习向移动端应用，个人觉得是一个很好的方向。现在从网上学习tensorflow安卓手机的demo，参考各位博友的成果，总结一下，方便自己后期的使用。运行tensorflow demo的例程有两种方法，第一种是在linux下的bazel来实现生成.apk文件直到手机上安装。另一种就是通过AndroidStudio编译，下载到手机。个人觉得后期希望接触一点APP+Deeplearing的开发，So
转载
2024-05-24 19:32:31
103阅读
2.2、jni2.3、res2.4、src2.5、 build.gradle3、app进行物体识别的流程3.1、onCreate中请求相机权限并设置页面内容区的fragment3.2、打开摄像头，并注册ConnectionCallback和OnImageAvailableListener3.3、相机预览图片宽高确定后，回调onPreviewSizeChosen3.3.1、分类器class
1、概述作为一个Android开发者和Tensorflow爱好者，当发现tensorflow可以在Android平台开发,那必须来玩玩。大多数参考文章说，Tensorflow在Android上的应用只能在Linux系统编译，事实上不是，构建工具bazel 现在支持Windows、Mac、Linux三个平台，windows上没有尝试过，但应该也可以，跟着本文步骤，可以在各个平台实现。本文从搭建环境开
转载
2023-12-26 22:41:05
60阅读
之前就看到Tensorflow有手机平台的API了，今天终于抽了点时间出来鼓捣一下。首先是把tensorflow克隆到本地一份。git clone --recurse-submodules ://github./tensorflow/tensorflow.git既然是谷歌官方要求的，最好把--recurse-submodules加上，文档说可以避免一些数据结构序列化时的编译问题。这
转载
2024-05-15 11:14:13
963阅读
直接使用JCenter库方式: 移动设备上使用谷歌开源的深度学习框架 Tensorflow Lite，最新源码位置： https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/lite 要求： Android Studio 3.0 SDK Version API25，或者API26 NDK Versio
转载
2024-08-17 10:50:57
98阅读
之前一直是在使用的是tensorflow mobile，来作为模型的运行环境。但是，tensoflow mobile的libtensorflow_inference.so有19MB，load到内存里以后，会占用较多的内存。。。测试看下来，大概占用20M，加上模型占用内存，导致我们的模块，内存占用变大了30MB。内存占用偏高，因此想优化一下。 首先想到的手段是模型裁剪。但是，只有裁剪模型的
转载
2024-02-28 11:34:53
133阅读
前几天Google的IO大会上发布的ML Kit，ML Kit为端上部署深度学习模型提供了一套完整的解决方案，本地运行、云端都支持。里面本地部署用到的就是Tensorflow lite。Tensorflow Lite是在Google去年IO大会上发表的，目前Tensorflow Lite也还在不断的完善迭代中。Tensorflow Lite在Android和iOS上部署官网有比较详细的介绍已经对应
转载
2024-03-14 20:44:25
357阅读
1评论
TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。TensorFlow可被用于语音识别或图像识别等多项机器深度学习领
转载
2024-05-27 15:08:22
98阅读
Tensorflowlite 部署到 arm开发板一 先在本机上操作1 下载TensorFlow下载依赖2 准备ARM的交叉编译环境2.1 下载安装包2.2 解压安装包2.3 配置环境变量2.4 查看编译器版本3 交叉编译生成静态库4 官方Demo ：label_image的编译4.1 整理头文件4.2 cmake ,make 进行编译二 在开发板上操作 一 先在本机上操作本机：Ubuntu18
转载
2023-12-20 09:59:02
234阅读
文章目录第一步：获取源代码1. 工具：Git2. 下载代码第二步：了解代码第三步：工具准备1. Git2. NDK3. CMake4. Python 35. Patch第四步：环境准备第五步：补写一个CMakeLists.txt第六步：CMake项目配置配置常见错误1配置常见错误2第七步：构建构建常见错误1构建常见错误2第八步：符号剥离构建其他版本总结 其思路是使用Docker构建系统。也可以到
一、利用tensorflow输出hello worldimport tensorflow as tf
def main():
opertion_me = tf.constant("Hello world")
with tf.Session() as sess:
print(sess.run(opertion_me).decode())
if __name__=="_
tensorflow 代码 介绍：(Introduction:)Learning to develop Deep Learning models is not an easy task to accomplish — especially for those who may not have serious experience in the field. When beginning to l
今年三月底，我们在 YouTube 上开通了 TensorFlow 视频频道，今天，我们为大家带来 TensorFlow 频道「Coding TensorFlow 系列」的中文演讲视频，这个系列将会带领大家一起做有关机器学习的编程，并使用 TensorFlow 实现 AI。我们将于本周一、三、五更新「Coding TensorFlow 系列」的前三个中文视频，并将在 TensorFlow 微信公众
转载
2024-08-20 19:36:04
209阅读
TensorFlow数据读取方式：Dataset APIDatasets：一种为TensorFlow 模型创建输入管道的新方式。把数组、元组、张量等转换成DatasetV1Adapter格式Dataset api有方法加载和操作数据，并将其输入到您的模型中。Dataset api与Estimators api很匹配。下图是tensorflow API的完整架构图：Datasets API是由以下图
Inception-v3模型结构：Inception-v3简介：
1.基于大滤波器尺寸分解卷积
在视觉网络中，预期相近激活的输出是高度相关的。因此，我们可以预期，它们的激活可以在聚合之前被减少，并且这应该会导致类似的富有表现力的局部表示。
全卷积网络 减少计算可以提高效率
2.分解到更小的卷积
5×5换2个3×3
一·GPU版本前言，2.10和2.11都缺少很多DLL文件，而且找不全，2.12解压就会出现问题，2.8是我目前发现的能用的版本了，全部一模一样复刻。今天是7月26号，GPU只有2.10版本之前的，2.11和2.12只有CPU版本，我居然才知道，痛苦面具。结论tensorflow2.8.0 配合 cuda 11.8 +cudnn8.9 可行！1.1. GPU三个要求第一 cuda to
做过好几个简单的安卓小项目后，常常觉得自己的水平常常处于能做出来东西，但是原理等有时会很模糊，所以重温重温原理首先是四大组件之 Activity:首先是Activity的主要框架：public class Activity extends
@Override
public void
super.onCreate(savedInstanceState);
setContentView
组成TendorFlow Lite转换器：用于将已经存在的模型转换为TensorFlow Lite兼容的模型(.tflite)，并将训练的模型保存在硬盘上。还可以在移动或者嵌入式应用程序中使用提前训练的模型Java/C++ API：用于载入.tflite模型并调用解释器。Java API是在C++ API上进行的封装，只能应用在Android系统。解释器和内核：内核帮助解释器根据选择载入...
原创
2023-01-06 10:07:47
310阅读
Tensorflow 2.0基础知识1.创建Tensorimport tensorflow as tftf.constant tensorflow 支持常见的bool string float double类型数据#声明一个tf的常量（数）
a = tf.constant(1,dtype=tf.float32)
#声明一个tf的常量（矩阵）
a = tf.constant([1,2],dtype=
# TensorFlow Lite与TensorFlow架构实现指南
TensorFlow Lite是一个轻量级解决方案，使你能够在移动设备或边缘设备上运行TensorFlow模型。本文将指导刚进入开发领域的你如何利用TensorFlow和TensorFlow Lite实现模型架构。我将为你提供整个流程的概述，并逐步解释每个步骤所需的代码。
## 1. 流程概述
我们将以下过程分为四个主要步
