關於Android專案的建立這裡就不做贅述了，我們直接進入主題，看下如何把機器學習庫和訓練的模型匯入一個安卓應用中。

匯入 Inference Interface

在上一課時中我們下載了 Inference Interface 的 nightly build 的 AAR 檔案，這個AAR其實就是庫檔案，需要把這個檔案匯入到專案中，通常會把這個 AAR 檔案放在 app/libs 下面：

為了匯入這個 AAR，首先需要在 app/build.gradle 中宣告一個本地的 flatDir 倉庫：

   repositories {
        flatDir {
           dirs 'libs'
      }
    }
 

然後指定依賴：

compile name: 'tensorflow', ext: 'aar'

最後再做一個 Project Sync 就完成了 Inference Interface 的匯入，完整的 app/build.gradle 應該是這樣的：

    ....
    repositories {
       flatDir {
          dirs 'libs'
       }
    }
    android{
      .....
    }
    dependencies{
        .....
        compile name: 'tensorflow', ext: 'aar'
        .....
    }
 

匯入 Pre-trained Model

在上一課時中已經下載了 Pre-trained model 的二進位制包，解壓縮這個包，會發現裡面有這些檔案：

其中model.ckpt.* 是我們在訓練自己的模型時會用到的檔案（下一系列課程我們會專門講解如何訓練自己的模型），這裡暫時忽略；frozen_inference_graph.pb 檔案正是我們需要的，開箱即用的模型檔案，把這個檔案作為一個 asset 匯入專案中。在 Android Studio 中，單擊 New | Folder | Assets Folder 命令建立一個 assets 目錄，將 frozen_inference_graph.pb 複製到 assets 目錄中，重新命名為 model.pb。

匯入測試資料

在機器學習的世界裡面，絕大部分的輸入和輸出資料都是數字，換句話來說，當訓練這個識別模型的時候，你不會告訴它這張圖片上的是人，而是告訴它這個圖片上面的物體代號是 1；模型在輸出識別結果的時候，也不會輸出人，汽車這樣的字元，而是輸出 1、2、3 這樣的數字，那麼這些數字代表的是什麼，去哪裡找這樣的對應關係呢？

首先我們要清楚一點，模型和訓練資料要存在一一對應關係。要麼是使用的資料提前訓練了模型，要麼資料當下訓練模型。因為TensorFlow Object Detection API 中的模型訓練時使用的是 MS COCO 的物體資料集合，所以我們可以在這裡(關注公眾號，後臺留言提供下載連結)下載到相應的標籤檔案， 我們開啟這個檔案：

0: unlabeled
1: person
2: bicycle
3: car
4: motorcycle
5: airplane
6: bus
7: train
8: truck
9: boat
10: traffic light
11: fire hydrant
12: street sign
13: stop sign
14: parking meter
15: bench
16: bird
17: cat
18: dog
19: horse
20: sheep
21: cow
22: elephant
23: bear

把這個檔案也存到 assets 目錄中，重新命名為 labels.txt，現在 assets 目錄應該是這樣的:

關鍵的程式碼

現在相關的資源都匯入到專案裡面了，接下來我們寫一點程式碼把模型和資料載入起來！

想一想我們需要做哪些工作：

1. 載入模型 model.pb，獲取一個 TensorFlowInferenceInterface 來進行後續操作。

TensorFlowInferenceInterface inferenceInterface = new TensorFlowInferenceInterface(getAssets(), "model.pb");

獲取到 TensorFlowInferenceInterface 的物件之後就可以在這個物件上面輸入圖片資料並獲取識別結果了。誇張的講人工智慧科學家大牛們現在研究的就是如何實現這個介面，這裡我們先不探究原理，只會用就好，以後的系列課程我們慢慢的去剖析機器學習的原理。

1. 把資料集 labels.txt 的內容讀到陣列中，供查詢識別結果中的物體名稱；

    List<String> labels = new ArrayList<>();
    InputStream labelsInput = getAssets().open("labels.text");
    BufferedReader br = new BufferedReader(new InputStreamReader(labelsInput));
    String line;
    while ((line = br.readLine()) != null) {
          labels.add(line);
    }
    br.close();

至此，相信你應該瞭解了tensorflow框架，訓練模型，測試資料是如何在一個應用程式中實現的。是不是很簡單！下一課程讓我們一起完成一個完整的apk程式，也會把完成的原始碼後臺發給大家！