tensorflow lite源码编译和android端部署详解一
本篇文章主要讲通过编译tensorflow源码生成libtensorflowlite.jar 和 libtensorflowlite_jni.so库
关于android部署关注和代码将在下篇博客介绍
1.下载tensorflow源码
https://github.com/tensorflow/tensorflow
点击clone下载源码zip文件，并解压到自己目录中
2. 下载bazel编译工具（用来编译tensorflow源码的）
大家可以直接参考下面地址非常详细告诉你下载和安装bazel流程
https://docs.bazel.build/versions/master/install-ubuntu.html
3. 下载android studio
其实可以直接下载android NDK就可以了，但是因为我们后面会设计到android的相关部署代码，android studio
下载后就解决了所有android所需要的东西都可以自动下载，比较方便
下载地址如下：
https://developer.android.google.cn/studio
下载完android studio后，在studio中手动下载NDK, CMAKE这些我们需要的东西
如下：勾选CMake
勾选NDK
然后点OK,等待下载就行了
记住下载完成后的NDK目录，后面会用到：
tensorflow lite即可。
一般是在AndroidSDK/ndk-bundle下面
3.编译tensorflow lite源码
下载的tensorflow代码中包括tensorflow, tensorflow lite, 和所有的example, models等等，编译只用关注编译
tensorflow lite即可。
进入到下载好的tensorflow目录下输入命令：
./configure
之后根据提示输入自己正确的python安装目录
后面一路选择no就可以，因为我们只需要编译tensorflow lite需要的java包和so库，不需要编译全部tensorflow，
一直到让你选择配置android环境时，做相应配置如下，选择真却的android sdk和NDK环境，用于后续成功编译
tensorflow lite的java包和so库：
在选择默认的android NDK等级和SDK的级别就可以了，最后如下configure完成
配置完成后我们就可以开始编译tensorflow lite相关东西啦
在tensorflow主目录下输入如下命令：
bazel build --cxxopt='--std=c++11' //tensorflow/lite/java:tensorflowlite \
--crosstool_top=//external:android/crosstool \
--host_crosstool_top=@bazel_tools//tools/cpp:toolchain \
--cpu=armeabi-v7a
这里解释下，--cxxopt='--std-c++11'表示支持c++11不然会报错
--cpu=armeabi-v7a, 也可以填写如下选项，需要根据自己的cpu来决定，一般情况下就是armeabi-v7a，可以支持华为，小米
高通处理器，麒麟处理器， 以及基于ARM核的处理器等等市面上绝大多数
编译完成如下图：
生成的JAR包和SO库放在如下目录下，每个人会有区别：
/home/qinchao/code/tensorflow-master/bazel-bin/tensorflow/lite/java
到此tensorflow lite编译库已经完成啦，考出libtensorflowlite.jar和libtensorflowlite_jni.so即可！
原文链接：https://blog.csdn.net/qinchao315/article/details/88780845