|
配套資料在網盤資料的“iTOP-3399 開發板資料匯總（不含光盤內容）\人工智能測試資料\圖像分類配套資料.zip”目錄下。
本章節將在 ITOP-3399 開發板上測試圖像分類 APP，這是 TensorFlow Lite 在 Android 上的示例應用程序 。它使用圖像分類對來自設備后置攝像頭的圖像進行連續分類。使用 TensorFlow Lite Java API 執行推斷，演示應用程序實時對幀進行分類，顯示最可能的分類。它允許用戶在浮點模型或量化模型之間進行選擇 ，選擇線程數，并決定是在 CPU，GPU 還是通過 NNAPI 運行。
此應用程序捆綁的 4 種模型：MobileNetV1（浮動），MobileNetV1（量化），EfficientNetLite（浮動）和 EfficientNetLite（量化）。我們選擇“ mobilenet_v1_1.0_224”和“ efficiencynet-lite0”倆種模型。MobileNets是經典模型，而 EfficientNets 是最新的模型。所選的 EfficientNet（lite0）具有與 MobileNetV1 相當的速度，并且在 ImageNet 數據集上，EfficientNet-lite0 比 MobileNetV1 的精確度高 4％。
31.1 下載示例源碼
如果您沒有安裝 AndroidStudio，請參考本手冊“安裝 AndroidStudio”章節安裝 Android Studio 3.2 或更高版本。您需要最低 API 21 的 Android 設備和開發環境。
TensorFlow Lite 是一種用于設備端推斷的開源深度學習框架，官網提供了現成模型來供開發者使用，輸入網址 hTTps://tensorflow.google.CN/lite/examples?hl=zh-cn 打開中文官網，如下圖所示： ![]()
點擊“圖像分類”框圖中的“在 Android 設備上試試”，會彈出自述文件說明，這個文件會說明如何將APP 在 android 上測試，如下圖所示： ![]()
接下來將 TensorFlow 示例源代碼下載到您的電腦上，下載地址是：https://github.com/tensorflow/examples ，下載完成后得到 examples.zip 文件，迅為配套資料里面有下載好的，大家可以直接拿來用。 ![]()
31.2 構建 Android Studio 項目
在 AndroidStudio 中打開剛剛下載的 TensorFlow 源代碼，打開 AndroidStudio 選擇“Open an existingproject”,依次打開 examples/lite/examples/image_classification/android，如下圖所示：（注意存放源碼的路徑不能帶中文） ![]()
打開工程以后自動開始下載依賴庫，如下圖所示： ![]()
修改完以后，點擊“Sync Now”,如下圖所示： ![]()
編譯會出現如下圖所示的錯誤，這是在 download.gradle 文件中指示 gradle 下載示例中使用的幾個模型失敗，因為從國外下載比較不穩定，我們迅為已經替大家下載好了，大家可以直接使用。 ![]()
下載提供的 modules 文件里面的四個文件。然后將其拷貝到 AndroidStudio 的 assets 目錄下，如下圖所示： ![]()
修改完保存，點擊“Build”->Rebuild Project,重新編譯工程，如下圖所示： ![]()
編譯成功，如下圖所示。特別要注意的是在編譯前要配置好 AndroidSDK，至少需要 SDK 版本為 23。 ![]()
31.3 安裝并運行應用程序
將 ITOP-3399 開發板設備連接到電腦，連接 USB 攝像頭到開發板上，硬件連接如下圖所示： ![]()
我們要確保開發板里面燒寫了 android8 的系統，并且打開了開發者模式，并允許 USB 調試和設置 USB模式為文件傳輸模式（MTP 模式），然后選擇 Run -> Run app。我們在要安裝該應用程序的設備的連接設備中選擇部署目標（ITOP-3399 開發板），這將在設備上安裝該應用程序，首次運行該應用程序時，該應用程序將請求訪問相機的權限。重新安裝該應用程序可能需要您卸載以前的安裝。安裝成功如下圖所示： ![]()
我們以鼠標為例，將攝像頭對準鼠標，顯示已經將物品分類為鼠標，我們上滑箭頭，可以修改參數，如下圖所示: ![]()
![]()
| 