Tensorflow Android演示：如何加载自定义图形？

Question

Tensorflow Android demo提供了一个不错的基础，用于构建使用TensorFlow图形的Android应用程序，但我一直困在如何将其重新用于不执行图像分类的应用程序上。目前，它从.pb文件中加载Inception图，并使用该图进行推理（代码也是如此假定的），但我想做的是加载自己的图形（来自.pb文件）并对如何处理图形的输入/输出进行自定义实现。

这个问题中的图表来自Udacity深度学习课程Assignment 6，是使用LSTM生成文本的RNN。（我已经将它冻结成了.pb文件。）然而，Android演示的代码基于它们正在处理图像分类器的假设。目前，我已经确定需要更改传递给tensorflow.initializeTensorflow（在TensorFlowImageListener中调用）的参数值，但其中几个参数表示图像输入的属性（例如IMAGE_SIZE），而我要加载的图形并没有这些属性。这是否意味着我必须更改本地代码？更一般地说，我应该如何解决这个问题？

- Technicolor

---

有找到任何解决方案吗？ - Flame of udun

Answer 1

查看 TensorFlow Serving，了解一种通用的加载和提供 TensorFlow 模型的方式。

- Alexandre Passos

Answer 2

好消息：最近在Android应用程序中嵌入预先训练的TensorFlow模型变得更加容易了。请点击以下链接查看我的博客文章：
https://medium.com/@daj/using-a-pre-trained-tensorflow-model-on-android-e747831a3d6 （第一部分） https://medium.com/@daj/using-a-pre-trained-tensorflow-model-on-android-part-2-153ebdd4c465 （第二部分）

我的博客文章详细介绍了更多内容，但总之，您只需要：

1. 在build.gradle文件中包含编译依赖项org.tensorflow:tensorflow-android:+；
2. 使用Java TensorFlowInferenceInterface类与您的模型进行接口交互（无需修改任何本地代码）。

TensorFlow Android演示应用程序已更新为使用这种新方法。请参见 TensorFlowImageClassifier.recognizeImage，了解它使用TensorFlowInferenceInterface的位置。

您仍需要指定一些配置，如图中输入和输出节点的名称以及输入的大小，但您应该能够通过使用TensorBoard或检查训练脚本来找出这些信息。

- Dan J