點擊上方關注，All in AI中國
對您自己的數據進行訓練
這將是一個實用的端到端指南，介紹如何使用TensorFlow Lite構建移動應用程序，該應用程序根據項目的數據集對圖像進行分類。
此應用程序使用實時相機並立即對圖像進行分類。TFLite應用程序比使用TensorFlow Mobile製作的應用程序更小、更快、更準確，因為TFLite專門用於在移動平臺上運行神經網絡。
我們將使用MobileNet模型來訓練我們的網絡，這將使應用程序更小。
入門
要求…
- Python 3.5或更高版本-python3 -V
- Tensorflow 1.9或更高版本- pip3安裝- 升級Tensorflow
此外，打開終端並鍵入：
別名python = python3
現在，python3將使用python命令打開。這樣可以更容易地通過複製粘貼來實現代碼，而無需在輸入Python後擔心3。
TFLite教程包含以下步驟：
第1步：下載代碼文件
讓我們首先從tensorflow-for-poets GitHub下載代碼。（https://github.com/googlecodelabs/tensorflow-for-poets-2）打開要下載文件夾的命令提示符並鍵入：
這將下載文件並在當前目錄中創建一個名為tensorflow-for-poets的新文件夾。
輸出
下載GitHub文件
僅供參考：下載後，您可以將文件夾的名稱更改為項目名稱。
信息：該文件夾包含子文件夾
scripts - 包含機器學習代碼.py文件。
tf_files - 它將包含輸出文件，如models - graph.pb，labels.txt
android - 包含tfmobile和TFlite的Android應用程序項目。
iOS - 包含使用xCode的iOS應用程序項目文件。
第2步：下載數據集
讓我們下載一個200MB的公開數據集，其中有5種不同的鮮花可供分類。然後在tf_files文件夾中提取flower_photos.tgz，它看起來像這樣：
信息- 5種不同的類別文件夾是玫瑰，雛菊，蒲公英，向日葵和鬱金香。
第3步：重新制作模型
在“tensorflow-for-poets-2”文件夾中打開命令提示符並鍵入：
輸出
這將下載預先訓練的凍結圖（frozen graph）mobilenet_1.0_244
下載圖表
並在tf_files文件夾中創建retrained_graph.pb和retrained_labels.txt文件。
完成的結果
打開Tensorboard
在當前目錄中打開另一個命令提示符，並將tensorboard指向summaries_dir：
輸出
打開Tensorboard
現在，您可以在瀏覽器中打開6006端口以查看結果。
可視化
訓練和驗證
Tensorboard |交叉熵/損失（上）|精度（下）
驗證的準確度高於0.90，損失低於0.4。
驗證✔️
我在當前文件夾中從Internet上下載了一個隨機的rose映像，並使用以下命令運行label_image。py腳本，用於使用圖文件檢測圖像。
輸出
結果為new_rose圖像提供99％的準確性。
第4步：將模型轉換為TFLite格式
Toco用於將文件轉換為.lite格式。有關toco參數的更多詳細信息，請使用toco --help
這將在tf_files目錄中創建optimize_graph.lite文件。
信息：使用toco -h獲取更多詳細信息
--input_file已更新為--graph_def_file
--input_format不需要mobile_net圖。
從這裡開始，本教程分為兩個部分：iOS和Android。iOS
第5步：安裝Xcode Studio和測試運行
下載Xcode
使用您的Apple ID登錄- Apple Developer使用您現在註冊或註冊的Apple ID。developer.apple.com安裝Xcode
安裝Cocoapods
安裝TFLite Cocoapod
使用Xcode打開項目
試運行
按▶️在Xcode中啟動模擬器。
第6步：運行您的應用程序
首先將訓練過的文件移動到應用程序的assets文件夾中。
替換graph.lite文件。
然後是thelabels.txt文件。
現在只需單擊▶️即可打開模擬器並放下圖像以查看結果。
祝賀！現在，您可以在下一個價值數十億美元的應用程序中應用相同的方法，讓醫生在世界農村地區無需昂貴的設備即可更快更好地工作。
Android
第5步：設置Android Studio和測試運行
有兩種方法可以做到這一點：Android Studio和Bazel。我會使用AS，因為更多的人都熟悉它。
如果您尚未安裝它，請轉到此處並安裝它：
下載Android Studio和SDK工具| Android開發者下載官方Android IDE和開發人員工具，為Android手機，平板電腦，可穿戴設備，電視和...構建應用程序developer.android.com試運行
為了確保Android Studio中的一切正常，讓我們進行一次測試運行。
打開Android Studio並選擇“打開現有的Android Studio項目”。
轉到android / tfmobile目錄。
如果一切正常，請單擊BUILD> BUILD APK按鈕。
單擊“定位”打開包含app-debug.apk文件的文件夾。
注意：在安裝應用程序之前，請打開手機中的開發者模式。
第6步：運行您的應用程序
首先將訓練過的文件移動到應用程序的assets文件夾中。
替換graph.lite文件。
然後是labels.txt文件。
現在單擊工具>> Build .apk文件。
安裝應用程序
在您的手機上安裝.apk文件，並查看重新訓練的神經網絡檢測對象。
祝賀！現在，您可以在下一個價值數十億美元的應用程序中應用相同的方法，讓醫生在世界農村地區無需昂貴設備的情況下更快更好地工作。
閱讀更多 AI中國 的文章
