本文主要研究和分析了TensorFlowLite开发平台,介绍了其框架结构、平台特点等。在此基础上,本文进行了性能测试实验,对TensorFlow Lite的性能表现进行评估,实验结果表明TensorFlow Lite在物体识别的准确率和识别速度上均有不错的表现。 需要调用相机功能，而模拟器无法满足这一需求，所以我们采用Android真机进行实验。将Android手机通过USB数据线连接到电脑上，然后在手机设置的开发者选项中启用“USB调试”。完成上述设置后，点击“Run”并在弹出对话框中选择对应的Android设备，即可成功运行Demo。2.3实验结果本文实验中Android真机选用的是小米Note3。TensorFlowLiteDemo展示的是物体识别功能，我们选取了10种常见物体，每种物体以随机拍摄视角进行3次识别，通过物体的识别准确率和识别速度来衡量TensorFlowLite的性能表现。识别过程界面如图3所示。图3不同视角识别过程界面通过表1和表2数据可以看出，TensorFlowLite对于生活中常见物品的识别，在识别准确率和识别速度上均有不错的表现，可以较好地满足用户需求并且具有良好的用户体验。图2AndroidSDK设置示意图不同于平台的研究与分析-数控液压滚圆机滚弧机折弯机张家港钢管滚圆机滚弧机折弯机TensorFlow模型，TensorFlowLite的模型文件经过了优化和处理，能够更好地适应移动设备的处理。TensorFlowLite模型文件可以直接部署到AndroidApp中进行调用。(应用平台，主要包括封装好的JavaAPI和C++API、本文由公司网站 张家港蔬菜大棚滚圆机网站 转载中国知网整理!    http://www.gunyuanji.org/编译器、安卓神经网络API。安卓神经网络API是谷歌官方提供的底层运算接口，为高级机器学习框架(如TensorFlowLite)提供基础层功能，会直接集成到Android8.1(以及更高版本)的系统中。(5)iOSAppiOSApp应用平台，主要包括封装好的C++API和编译器。图1TensorFlowLite平台架构2实验2.1开发环境搭建本文实验基于windows10系统，开发工具使用的是AndroidApp的官方开发环境AndroidStudio[4]，版本为3.0。另外，开发环境需要满足AndroidSDK版本高于26，AndroidNDK版本高于14。具体设置过程为：在AndroidStudio中选择settings->AndroidSDK，然后切换到SDKTools选项卡。这里要注意，AndroidStudio安装时默认是不安装NDK的，所以此处要仔细查看AndroidSDK和NDK是否已经安装以及版本是否满足要求，如果不符合要求，要勾选正确版本进行安装，安装完成后，重启AndroidStudio即可。如图2所示。2.2TensorFlowLiteDemo的编译和运行首先，我们从h克隆Demo的源代码到本地，然后在AndroidStudio中导入官方提供的Demo。Demo文件夹位于java目录下。接下来，我们要下载预训练好的TensorFlowLite模型和标签数据。官方提供的下载地址为：将下载后的压缩文件平台的研究与分析-数控液压滚圆机滚弧机折弯机张家港钢管滚圆机滚弧机折弯机本文由公司网站 张家港蔬菜大棚滚圆机网站 转载中国知网整理!    http://www.gunyuanji.org/