paddle模型从训练到生成可部署的android模型
--以mnist数据集为 例
LeNet.py -> 定义模型
train.py -> 训练模型
predict.py -> 预测模型
export_model.py -> 导出推理模型(需要注意LeNet的前向传播函数需要转为动态图)
inference2android.py -> 推理模型转为安卓模型
inferenceandroid.txt -> Ai studio下推理模型转为安卓模型的命令
makepic.py -> 生成[1, 28, 28]图像
a.jpg -> 黑色单通道图像
model -> paddle模型
inference -> 推理模型
android_model ->安卓模型
others:
android demo地址：
https://github.com/PaddlePaddle/Paddle-Lite-Demo/tree/master/PaddleLite-android-demo
使用自己的model、label、image替换image_classification_demo\app\src\main\assets下的对应文件
最后修改image_classification_demo\app\src\main\res\values\string.xml下的：
name="MODEL_PATH_DEFAULT">models/模型文件夹名
name="LABEL_PATH_DEFAULT">labels/标签.txt
name="IMAGE_PATH_DEFAULT">images/初始化图片.jpg<
注意：
由于demo为三通道图片，需要训练三通道模型才能在正常运行app，否则会显示模型载入失败
可以修改官方demo的其它内容以适配单通道模型，因为单通道图片很少用，暂没研究