移动端AI与ML应用开发：基于iOS和Android

更深入：了解

TensorFlow Lite

|

127

想想如果没有机器学习，做这样的事情会有多困难。如何编写代码来对任何语言的任何

字符进行光学字符识别。然后，一旦你这样做了，如何在没有翻译服务器的情况下翻译这

些文件。这根本不可行。但是机器学习，尤其是设备上的机器学习，正在使这成为可能。

8.2 TensorFlow Lite

入门

要了解 TensorFlow Lite，我认为最容易的是上手并立即使用它。让我们首先探索采用

TensorFlow 模型并将其转换为 TensorFlow Lite 格式的转换器。然后我们将使用它创建的

模型并在一个简单的 Android 应用程序中实现它。

在第 1 章中，我们编写了一些我们称之为机器学习“Hello World”的代码，使用非常简单

的线性回归来构建一个模型，该模型可以预测两个数字

x

和

y

之间的关系，即

y

= 2

x

– 1。

回顾一下，这是在 TensorFlow 中训练模型的 Python 代码：

import tensorflow as tf

import numpy as np

from tensorflow.keras import Sequential

from tensorflow.keras.layers import Dense

layer_0 = Dense(units=1, input_shape=[1])

model = Sequential([layer_0])

model.compile(optimizer='sgd', ...