Keras深度學習模型到android

Question

我正在開發一個android的實時對象分類應用程序。首先，我使用「keras」創建了一個深度學習模型，並且我已經將訓練過的模型保存爲「model.h5」文件。我想知道如何在android中使用該模型進行圖像分類。

Answer 1

你不能直接出口Keras到Android，但你必須對模型

• 配置Tensflow保存爲您Keras後端。

• 保存模型倩女幽魂使用model.save(filepath)（你已經這樣做了）

然後用以下解決方案之一加載：

解決方案1：導入模型Tensflow

1 - 建立Tensorflow模型

• 從模型構建tensorflow模型use this code

2-構建Android應用程序並調用tensflow。請從google中檢查tutorial和official demo以瞭解如何操作。

解決方法2：在java中
1 deeplearning4j一個Java庫導入模型允許進口keras型號：tutorial link
2-使用deeplearning4j在機器人：這是容易的，因爲你是在Java世界。檢查this tutorial

Answer 2

首先，你需要的Keras模型導出到Tensorflow型號：

def export_model_for_mobile(model_name, input_node_names, output_node_name): 
    tf.train.write_graph(K.get_session().graph_def, 'out', \ 
     model_name + '_graph.pbtxt') 

    tf.train.Saver().save(K.get_session(), 'out/' + model_name + '.chkp') 

    freeze_graph.freeze_graph('out/' + model_name + '_graph.pbtxt', None, \ 
     False, 'out/' + model_name + '.chkp', output_node_name, \ 
     "save/restore_all", "save/Const:0", \ 
     'out/frozen_' + model_name + '.pb', True, "") 

    input_graph_def = tf.GraphDef() 
    with tf.gfile.Open('out/frozen_' + model_name + '.pb', "rb") as f: 
     input_graph_def.ParseFromString(f.read()) 

    output_graph_def = optimize_for_inference_lib.optimize_for_inference(
      input_graph_def, input_node_names, [output_node_name], 
      tf.float32.as_datatype_enum) 

    with tf.gfile.FastGFile('out/tensorflow_lite_' + model_name + '.pb', "wb") as f: 
     f.write(output_graph_def.SerializeToString()) 

你只需要知道你圖的input_nodes_names和output_node_names。這將創建一個包含多個文件的新文件夾。其中，一個以tensorflow_lite_開頭。這是您將移動到Android設備的文件。

然後在Android上導入Tensorflow庫並使用TensorFlowInferenceInterface來運行您的模型。

implementation 'org.tensorflow:tensorflow-android:1.5.0' 

您可以檢查在Github上我簡單的XOR例如：

https://github.com/OmarAflak/Keras-Android-XOR