决定写这篇文章的的原因是，在网上基本没有完整的例子，看了大部分文章也是差不多，都是把官网的内容截取下来，然后翻译一下。而我最近做的研究需要在android上基于tensorflow lite上运行自己的模型。通过近一个礼拜的研究，一直看源码，终于完成了。由于文章内容过长，就分成两篇。
一 什么是Tensorlflow lite
11月15日，谷歌正式发布了TensorFlow Lite开发者预览版。
TensorFlow Lite 是 Google I/O 2017 大会上的其中一个重要宣布，有了TensorFlow Lite，应用开发者可以在移动设备上部署人工智能。
Google 表示 Lite 版本 TensorFlow 是 TensorFlow Mobile 的一个延伸版本。尽管是一个轻量级版本，依然是在智能手机和嵌入式设备上部署深度学习的一大动作。此前，通过TensorFlow Mobile API，TensorFlow已经支持手机上的模型嵌入式部署。TensorFlow Lite应该被视为TensorFlow Mobile的升级版。
TensorFlow Lite 目前仍处于“积极开发”状态，目前仅有少量预训练AI模型面世，比如MobileNet、用于计算机视觉物体识别的Inception v3、用于自然语言处理的Smart Reply，当然，TensorFlow Lite上也可以部署用自己的数据集定制化训练的模型。
TensorFlow Lite可以与Android 8.1中发布的神经网络API完美配合，即便在没有硬件加速时也能调用CPU处理，确保模型在不同设备上的运行。 而Android端版本演进的控制权是掌握在谷歌手中的，从长期看，TensorFlow Lite会得到Android系统层面上的支持。
然后用一下别人的图：
可能有些不是很了解tensorflow的人看的一头雾水。我稍微解释一下这个模型。第一步：在电脑上运行tensorlfow,训练数据模型第二步：利用tensorflow lite的转换器直接可以把利用tensorlfow训练好的模型保存成模型文件（.tflite)
注意：这一步是个很大坑，tensorflow lite文件转换器是比较新的版本的tensorflow才带的，目前只支持Liunx和Mac，不支持window.第三步：把配置好的.tflite文件导入到Android，在anroid中基于tensorflow lite配置的库，就可以直接调用了，这部分的难点在于输入输出如何确定。
二 环境配置
1 电脑环境：
Python 3.5 以上，tensorflow 1.8.0 以上（最好）,android stuio 3.0
2 手机环境：
android 26以上（8.0.0以上）
三 在anroid上运行Google的Demo
1 在GitHub上下载tensorflowlite的Demo
下载tensorflow lite Demo(点击下载)
2 直接把Demo用android studio上
这是配置好之后的文件模式
3 将App 运行在android真机上
连接USB，就可以直接布置上去了，展示一下效果图
下面一篇文章主要写如何在tensorflow 上运行自己的神经网络模型。
原创，转载请写出处。