一、初识Tensorflow 编译Tensorflow lite tflitecamerademo
安装Tensorflow
通过下面链接安装
http://www.tensorfly.cn/tfdoc/get_started/os_setup.html
Tensorflow 有CPU以及GPU两个版本
根据你的情况选择安装
clone Tensorflow源码
git clone--recurse-submodules https://github.com/tensorflow/tensorflow.git
安装bazel 工程构建工具与maven和gradle 类似
安装链接:https://docs.bazel.build/versions/master/install-os-x.html
Mac电脑直接brew install bazel安装
安装Android SDK 以及NDK
注意SDK api版本需要>=23 推荐26 NDK版本 <= 14 推荐14
修改bazel 外部依赖配置文件WORKSPACE
打开tensorflow 源码 根路径下WORKSPACE文件
添加你本地Android SDK以及NDK配置信息
![](http://upload-images.jianshu.io/upload_images/3111935-96de29ccd8d7de05.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
准备工作完成以后执行编译命令进行lite android demo 编译
bazel build --config=android_arm --cxxopt=--std=c++11 //tensorflow/contrib/lite/java/demo/app/src/main: TfLiteCameraDemo
编译完成后会在tensorflow/bazel-bin目录下面生成apk安装文件
![](http://upload-images.jianshu.io/upload_images/3111935-d4a00db2ba7dbbfe.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
二、Tensorflow 进阶制作聊天机器人
制作流程:
1、准备对话语料库:丰富强大的语料库才能保证语义识别准确性
2、对语料库进行分词处理生
3、语料文本数字向量化成tensorflow模型可以识别输入
4、构建seq2seq训练模型
5、将之前准备好的语料文本数字向量输入到模型进行训练
6、训练结束后会产出模型文件
![](http://upload-images.jianshu.io/upload_images/3111935-727b74cdf7e76db9.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
7、输入测试数据进行结果预测
具体实践参考:http://www.shareditor.com/blogshow?blogId=121
8、模型文件在Android本地使用
直接使用TensorFlow model或者先转化从Tflite model文件通过 TensorFlow lite Api使用
三、TensorBoard
进行model训练过程化检测,提前发现model质量问题