关于Android项目的创建这里就不做赘述了，我们直接进入主题，看下如何把机器学习库和训练的模型导入一个安卓应用中。
导入 Inference Interface
在上一课时中我们下载了 Inference Interface 的 nightly build 的 AAR 文件，这个AAR其实就是库文件，需要把这个文件导入到项目中，通常会把这个 AAR 文件放在 app/libs 下面：
为了导入这个 AAR，首先需要在 app/build.gradle 中声明一个本地的 flatDir 仓库：
repositories{
flatDir{
dirs'libs'
}
}
然后指定依赖：
compilename:'tensorflow', ext:'aar'
最后再做一个 Project Sync 就完成了 Inference Interface 的导入，完整的app/build.gradle应该是这样的：
....
repositories {
flatDir {
dirs'libs'
}
}
android{
.....
}
dependencies{
.....
compile name:'tensorflow', ext:'aar'
.....
}
导入 Pre-trained Model
在上一课时中已经下载了 Pre-trained model 的二进制包，解压缩这个包，会发现里面有这些文件：
其中model.ckpt.* 是我们在训练自己的模型时会用到的文件（下一系列课程我们会专门讲解如何训练自己的模型），这里暂时忽略；frozen_inference_graph.pb 文件正是我们需要的，开箱即用的模型文件，把这个文件作为一个 asset 导入项目中。在 Android Studio 中，单击 New | Folder | Assets Folder 命令创建一个 assets 目录，将 frozen_inference_graph.pb 复制到 assets 目录中，重命名为 model.pb。
导入测试数据
在机器学习的世界里面，绝大部分的输入和输出数据都是数字，换句话来说，当训练这个识别模型的时候，你不会告诉它这张图片上的是人，而是告诉它这个图片上面的物体代号是 1；模型在输出识别结果的时候，也不会输出人，汽车这样的字符，而是输出 1、2、3 这样的数字，那么这些数字代表的是什么，去哪里找这样的对应关系呢？
首先我们要清楚一点，模型和训练数据要存在一一对应关系。要么是使用的数据提前训练了模型，要么数据当下训练模型。因为TensorFlow Object Detection API 中的模型训练时使用的是 MS COCO 的物体数据集合，所以我们可以在这里(关注公众号，后台留言提供下载链接)下载到相应的标签文件， 我们打开这个文件：
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
把这个文件也存到 assets 目录中，重命名为 labels.txt，现在 assets 目录应该是这样的:
关键的代码
现在相关的资源都导入到项目里面了，接下来我们写一点代码把模型和数据加载起来！
想一想我们需要做哪些工作：
加载模型 model.pb，获取一个 TensorFlowInferenceInterface 来进行后续操作。
TensorFlowInferenceInterface inferenceInterface =newTensorFlowInferenceInterface(getAssets(),"model.pb");
获取到 TensorFlowInferenceInterface 的对象之后就可以在这个对象上面输入图片数据并获取识别结果了。夸张的讲人工智能科学家大牛们现在研究的就是如何实现这个接口，这里我们先不探究原理，只会用就好，以后的系列课程我们慢慢的去剖析机器学习的原理。
把数据集 labels.txt 的内容读到数组中，供查询识别结果中的物体名称；
List labels =newArrayList<>();
InputStream labelsInput = getAssets().open("labels.text");
BufferedReader br =newBufferedReader(newInputStreamReader(labelsInput));
Stringline;
while((line = br.readLine()) !=null) {
labels.add(line);
}
br.close();
至此，相信你应该了解了tensorflow框架，训练模型，测试数据是如何在一个应用程序中实现的。是不是很简单！下一课程让我们一起完成一个完整的apk程序，也会把完成的源代码后台发给大家！
推荐阅读：
