一、背景介绍
11月15日，谷歌终于发布了TensorFlow Lite的开发者预览版本，这是一款 TensorFlow 用于移动设备和嵌入式设备的轻量级解决方案，允许设备端的机器学习模型的低延迟推断。
TensorFlow Lite具有的特点如下：
（1）轻量级：允许小 binary size 和快速初始化／启动的设备端机器学习模型进行推断。
（2）跨平台：运行时的设计使其可以在不同的平台上运行，如目前支持的android和 iOS。
（3）快速：专为移动设备进行优化，包括大幅提升模型加载时间，支持硬件加速。
github链接如下：https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/lite
二、环境准备
接下来我们来一起看看官方提供的Android集成TensorFlow Lite的示例。当然首先你的mac已经安装了AndroidStudio 3。
（1）确保Android SDK 的版本号高于26，NDK的版本号高于14 ，如果没有安装，在打开Studio的时候按照如下步骤安装相应版本。
选择右下角的Configure。
（2）然后选择SDK Manager,下载相应的sdk。
三、编译、运行
在https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/lite下载代码后，在AndroidStudio中导入官方提供的demo，位于tensorflow/tensorflow-master/tensorflow/contrib/lite/java目录下。
（1）如果发现如下问题，是由于没有安装相应的sdk。
在SDK Manager中切换到SDK Tools下，安装相应的sdk。
（2）下载TensorFlow Lite 模型和标签数据。
官方提供的下载地址：https://storage.googleapis.com/download.tensorflow.org/models/tflite/mobilenet_v1_224_android_quant_2017_11_08.zip
由于很多人无法访问，原因你懂得，小编废了九牛二虎之力好不容易下载到，目前上传到我的百度云，有需要的可以关注公众号后回复“Tensorflow”，即可下载。
（3） 下载完成解压mobilenet_v1_224_android_quant_2017_11_08.zip文件得到一个mobilenet_v1_224.tflite和labes.txt文件，如下图，把这两个文件复制到assets文件夹下。
（4）build demo工程，电脑连接上真机，然后run，在手机上会安装app，自动打开相机，此时对准一个物体，会自动识别并给出识别的准确率。
使用开源模型mobilenets，或者自定义数据集或自定义模型模型预测物体的属性，非常神奇，不同角度预测的准确率也有偏差，如上两张图。
四、总结
目前TensorFlow Lite还是预览版，相信不久Google会发布正式版，给我们带来更大的惊喜。demo中识别的具体细节和配置，参考官方文档，很详细。
