【沙龙】51CTO诚邀您9月23号和多位技巧大年夜咖一路聊智能CDN的优化之路，抓紧时光哦！

TensorFlow移动端应用开辟API

媒介

深度进修在图像处理、语音辨认、天然说话处理范畴的应用取得了巨大年夜成功，然则它平日在功能强大年夜的办事器端进交运算。如不雅智妙手机经由过程统??程连接办事器，也可以应用深度进修技巧，但如许可能会很慢，并且只有在设备处于优胜的收集连接情况下才行，这就须要把深度进修模型迁徙到智能终端。

因为智能终端CPU和内存资本竽暌剐限，为了进步运算机能和内存应用率，须要对办事器端的模型进行量化处理并支撑低精度算法。TensorFlow版本增长了对Android、iOS和Raspberry Pi硬件平台的支撑，许可它在这些设备上履行图像分类等操作。如许就可以创建在智妙手机上工作并且不须要云端不时刻刻都支撑的机械进修模型，带来了新的APP。

本文重要基于看花识名APP应用，讲解TensorFlow模型若何应用于Android体系;在办事器端练习TensorFlow模型，并把模型文件迁徙到智能终端;TensorFlow Android开辟情况构建以及应用开辟API。

看花识名APP

应用AlexNet模型、Flowers数据以及Android平台构建了“看花识名”APP。TensorFlow模型对五种类型的花数据进行练习。如下图所示：

Daisy：雏菊

Dandelion：蒲公英

Roses：玫瑰

Sunflowers：向日葵

参考文献

• http://www.tensorflow.org
• 深度进修利器:分布式TensorFlow及实例分析
• 深度进修利器：TensorFlow应用拭魅战
• 深度进修利器：TensorFlow体系架构与高机能法度榜样设计
• 深度进修利器：TensorFlow与深度卷积神经收集
• 深度进修利器：TensorFlow与NLP模型 

Tulips：郁金喷鼻

inferenceInterface.run(outputNames); 

• 获取模型Inference的运算结不雅，个中outputName为Tensor名称，参数outputs存储Tensor的运算结不雅。本APP中，outputs为计算获得的Logist浮点数组。

在办事器上把模型练习好后，把模型文件迁徙到Android平台，在手机上安装APP。应用效不雅如下图所示，界面上端显示的是模型识其余置信度，界面中心是要识其余花：

TensorFlow模型若何应用于看花识名APP中，重要包含以下几个关键步调：模型选择和应用、模型文件转换以及Android开辟。如下图所示：

模型练习及模型文件

本章采取AlexNet模型对Flowers数据进行练习。AlexNet在2012取得了ImageNet最好成就，top 5精确率达到80.2%。这对于传统的机械进修分类算法而言，已经相当出色。模型构造如下：

本文采取TensorFlow官方Slim(https://github.com/tensorflow/models/tree/master/slim)AlexNet模型进行练习。

• 起首下载Flowers数据，并转换为TFRecord格局：

DATA_DIR=/tmp/data/flowers 
python download_and_convert_data.py --dataset_name=flowers 
 --dataset_dir="${DATA_DIR}"  

• 履行模型练习，经由36618次迭代后，模型精度达到85%

TRAIN_DIR=/tmp/data/train 
python train_image_classifier.py --train_dir=${TRAIN_DIR}  
--dataset_dir=${DATASET_DIR} --dataset_name=flowers  	
			
 1/4    1 2 3 4 下一页 尾页
	
			

　　推荐阅读
　　从0开始的微服务架构：（一）重识微服务架构
            【沙龙】51CTO诚邀您9月23号和多位技巧大年夜咖一路聊智能CDN的优化之路，抓紧时光哦！对于我小我，我更爱好一种延续性的解释，微办事架构 ≈ 模块化开辟 +  分布式计算。不管微办事架构的定义怎么>>>详细阅读


本文标题：深度学习利器：TensorFlow在智能终端中的应用
地址：http://www.17bianji.com/lsqh/37558.html
 1/2    1