问如何对安卓系统进行TensorFlow推理，例如对图像进行分类？

EN

简单地说:是的，你确实可以在运行安卓设备的嵌入式设备上运行TensorFlow，比如Raspberry 3。我们已经将TensorFlow图像分类应用程序移植到了安卓设备上。它可以在：https://github.com/androidthings/sample-tensorflow-imageclassifier上找到。

长话短说:为了运行TensorFlow，您首先需要构建模型图，并针对大型输入数据集运行培训。一旦完成，您就可以根据经过训练的模型进行推理，从而做出明智的决策。训练的第一部分是资源紧张和密集，通常是事先完成的，而推理部分相对较轻。这是已经移植到运行Android设备的推断部分。

下面总结了将TensorFlow集成到Android Things项目中需要做的事情：

• 首先，将TensorFlow Android推理库文件添加到您的项目中:Tensorflow-调试器。
• 接下来，在应用程序的build.gradle文件中添加一个依赖项，如下所示:编译(名称：‘Tensorflow-debug’，ext：'aar')

要利用TensorFlow Android推理库，您可以实例化一个TensorFlow实例，以便公开以下方法：

• initializeTensorFlow:使用模型图作为输入初始化TensorFlow对象
• fillNodeFloat:将输入数据复制到TensorFlow输入数组中
• runInference:在TensorFlow输出数组中运行推理和保存结果
• readNodeFloat:从TensorFlow输出数组读取并保存到您自己的数组中

检查图像分类器示例在TensorFlowImageClassifier.java中的实现，看看如何将输入传递给TensorFlow，运行推断，然后从TensorFlow中提取输出标签。例如，在我们的图像分类样本中，当显示狗的图像时，我们的应用程序可以检测狗的品种。

示例中的模型图是使用Google V3 TensorFlow模型构建的，其中包含来自ImageNet的120万张图像。如果您希望构建自己的模型图，请确保在分类器实现中相应地更新模型文件、标签文件和输入/输出名称。

简而言之，上面概述的使用TensorFlow Android推理库作为gradle依赖项的方法提供了一种快速简便的方法，可以将TensorFlow核心功能添加到任何Android项目中，甚至包括具有本机代码并需要NDK集成的复杂项目，如TensorFlow Android示例。这种方法还将主机平台扩展到那些目前没有像Windows那样完全支持Bazel的平台。