由于很久没有接触过Android开发，而且最早用的是eclipse，所以这个demo在android studio上的搭建过程，真的是踩了不少坑。记录这篇文章，纯粹是给自己一点收获。

环境搭建的过程，还是需要一点Android Studio的使用基础的，包括gradle同步、ndk、sdk之类的，另外由于需要在线下载资源，所以准备一个网络畅通的VPN。

一、基础环境

Windows 10系统、Android studio 3.1.2、tensorflow1.10.0、gradle版本为4.4

sdk和ndk的版本如下：

Android SDK Build-Tools

二、需要修改的文件：

（1）Demo项目下的build.gradle文件

进行如下修改：

（2）Demo/app文件下的build.gradle文件

android{ ... }中需要修改的部分：

repositories{ ... }和dependencies{}需要修改的部分，如下图，主要是用于 a) 解决tensorflow-lite:0.0.0-nightly无法下载的情况 b) 依赖项与sdk版本保持一致的问题 c) gradle3.0.0版本以上的依赖默认为implementation，而不是之前的gradle2+版本的compile。

（1）手动下载tensorflow-lite:0.0.0-nightly.aar。

（2）拷贝tensorflow-lite:0.0.0-nightly.aar文件到app/libs目录下（如果不存在libs目录，则自己手动添加一个）；

（3）在app下的bulid.gradle中repositories添加：

flatDir{dirs " libs"}代码,

dependencies中添加：

compile fileTree(dir: 'libs', include: ['*.jar'])：

compile(name:' tensorflow-lite:0.0.0-nightly', ext:'aar')

　　　　　  dependencies中注释掉：compile compile 'org.tensorflow:tensorflow-lite:0.0.0-nightly'

三、同步gradle文件：

点击同步gradle的按钮，如果没有报错，则android studio “Run” app是可以执行的，否则该按钮是灰色的，不能执行。

四、源码分析

整个demo包含6个java文件：

其中：

-AutoFitTextureView：一个自定义的View；

-CameraActivity: 整个app的入口activity，这个activity只做了一件事，就是加载了一个fragment；

- Camera2BasicFragment: 入口activity中加载的fragment，其中实现了所有跟UI相关的代码；首先在onActivityCreated中，初始化了一个ImageClassifier对象，此类是整个demo的核心，用于加载模型并实现推理运算功能。然后开启了一个后台线程，在线程中反复地对从摄像头获取的图像进行分类操作。

-ImageClassifier：是一个抽象类，demo最重要的部分，但只有两个函数比较重要，一个是构造函数

-ImageClassifierFloatInception为浮点型子类，基类为ImageClassifier，对应的浮点模型为assets资源下的7_float.tflite

-ImageClaaifierQuantizedMobileNet为量化型子类，基类为ImageClassifier，对应的数字量化模型为assets资源下的7.tflite