1.配置好sdk，ndk，android-studio
2.使用tensorflow导出pb文件
import tensorflow as tf from tensorflow.python.framework import graph_util
session = tf.Session()
output_graph_def = graph_util.convert_variables_to_constants(session, session.graph_def,output_node_names=['output'])
with tf.gfile.FastGFile('D:/Item/app/src/main/assets/test.pb', mode='wb') as f: f.write(output_graph_def.SerializeToString())
session.close()
3.打开Android-studio，并创建一个assets文件夹,然后将导出得bp文件放入assets中 4.将下载或者编译好的jar&os文件放入libs文件夹中，之后再gradle中配置信息，首先在defaultConfig中填入以下信息： ndk { abiFilters "armeabi", "armeabi-v7a", "x86" } 只有这里面的cpu类型要和虚拟机的cpu类型匹配才能运行程序。然后再android中填入以下信息： sourceSets { main { jni.srcDirs = [] jniLibs.srcDirs = ['libs'] } }
这里是用来创建一个jniLibs文件夹，并将libs中的文件导入其中，以备调用。此时tensorflow的接口和所需使用的模型已经在Android-studio上配置好了。
5.编写接口程序
5.1首先导入tensorflow的api：
import org.tensorflow.contrib.android.TensorFlowInferenceInterface;
5.2在导入os文件：
static {
System.loadLibrary("tensorflow_inference");
}
注意：在Windows下System.loadLibrary()函数导入的是dll文件，导入格式为${libname}.dll。在Linux下导入的是so文件，导入格式为lib${libname}.so。