最近一个项目需要使用Tensorflow lite, 官网上的解释又特别简单，主要给了一个例子，但是这个例子和官网的解释又不一样。。。。这里简单记录下操作方法。

某些加载的方法，依赖并不支持。

在自己的build.grandle的依赖中添加：

对于keras或者用model建立的模型，有直接的转化函数，对于sess建立的模型(计算图)，有很多方法不再适用。我尝试了一种是可以使用的：

转化为saved model:

注意：其中的inputs和outputs必须是张量，否则会提醒你array没有name属性。

inputs就是feed_dict中那些place holder，outputs可以填输出的张量，也可以直接填操作本身。

转为tflite file:

至此得到了tflite文件

注意点： 1: 读取文件时需要申请权限 2: 对于Interpreter的构造函数，只有MappedByteBuffer那个可以使用，用File的那个会报错。

直接把生成的文件放在“我的手机”中，如果是虚拟机，则是storage/emulated/0文件夹下，然后使用

后面加上文件名称，可以得到该文件的路径。

文件加载函数：

把该函数返回的作为Interpreter的输入，可以生成一个解释器。

权限申请：

在manifest中增加：

对于Android11以下的版本，需要额外增加：

申请权限：

有两个函数可以使用：

inputs和ouputs都是高维数组，比如正常的都是：

注意不管是输入还是输出，数组申请空间时候必须把每一个维度都确定，否则可能导致拷贝出错或者维度出错。

比如：

Caused by: java.lang.IllegalStateException: Internal error: Unexpected failure when preparing tensor allocations: tensorflow/lite/kernels/concatenation.cc:74 t->dims->data[d] != t0->dims->data[d] (1 != 2) Node number 9 (CONCATENATION) failed to prepare.

输入维度错误，或者没有给定输入的维度

ouputs也是多维数组，和inputs相同。

第一个参数是一个数组，里面是输入的张量。我猜测顺序和convert函数中命名的字典序有关。如果不放心的话，可以使用：

然后看一下copyShape是否符合。

因此，如果张量是4维的，那么第一个参数是一个5维的数组。

outputs是一个Map，可以声明如下：

将Bitmap转为float数组：