關於將tensorflow進行安卓模型遷移的基礎思路以及核心程式碼解析 -tensorflowinferenceinterface

以SRCNN模型為例：

1.以三色通道為基礎：
模型遷移整體流程（舊）：

1. 將灰度化後的圖片裁剪成n個33*33的小塊
2. 將每個圖片小塊轉化為float陣列
3. 將每個float陣列依次輸入至模型中
4. 模型將每個小塊陣列進行模型處理，處理結果依次儲存在一個大float陣列 中，最後這個大陣列就是最終的處理結果。
5. float陣列轉圖片。以下僅為個人想法，未經實踐。
   第一種，將float陣列轉為mat物件，然後將mat物件直接轉化為byte陣列進行byte流輸出圖片。此種方法將MAT物件作為中介，難處是float和Mat這兩個的互相轉化，有些理不清，網上資料也很少。並且在轉化過程中會損失一點清晰度。
   第二種方法，將float轉化為Mat物件,用imwrite直接將Mat物件儲存為圖片在記憶體中，再將圖片從相簿取出來放進軟體。困難在於float轉Mat沒整出來，imwrite是opencv的一個儲存函式。
   總而言之，float轉Mat是我這兩種方法的關鍵之處，而第二種損失最少，最簡單，但是會加大一丟丟執行時間（可能也不到1s）。

2.以Y通道為基礎：
模型遷移整體流程（新）：

1. 將圖片陣列的Y通道單獨提取出來，做成float陣列
2. 將Y通道的這個陣列傳入模型。經過運算儲存。
3. 將新的Y通道陣列直接更新到圖片陣列上去
4. 陣列轉圖片

第二種方法如今比較通用，對比第一種方法，第二種方法更加快速和容易實踐。

遷移模型所用到的tensorflowinferenceinterface核心程式碼：

Tensorflowinferenceinterface tf;

static {
    //System.loadLibrary("tensorflow_inference");
}
//載入個靜態庫

public void predict1(String blankimage) {   

tf.feed(INPUT_NAME,floatValues,1,33,33,1);
//將程式碼feed(喂)進介面，
//inferenceInterface.feed(inputName, floatValues, 1, inputSize, inputSize, 3);
//InputName是輸入節點的名稱,floatValues是圖片的float陣列,在前面已經定義過

/**inputSize, inputSize, 3是輸入節點的shape，floatValues陣列的大小是inputSize*inputSize*3；
輸入的圖片為33 * 33,維度根據輸入資料確定**/

tf.run(new String[]{OUTPUT_NAME});
//執行模型. 定義一個叫OUTPUT_NAME的陣列，並儲存結果。這個只要名字寫對就ok

tf.fetch(OUTPUT_NAME,PREDICTIONS);
//將模型fetch(取)出來，並儲存在PREDICTION這個float陣列裡，OUTPUT_NAME是輸出節點名
}

具體模型遷移過程會在專案完成後詳細理一遍。