由於很久沒有接觸過Android開發，而且最早用的是eclipse，所以這個demo在android studio上的搭建過程，真的是踩了不少坑。記錄這篇文章，純粹是給自己一點收獲。
環境搭建的過程，還是需要一點Android Studio的使用基礎的，包括gradle同步、ndk、sdk之類的，另外由於需要在線下載資源，所以准備一個網絡暢通的VPN。
一、基礎環境
Windows 10系統、Android studio 3.1.2、tensorflow1.10.0、gradle版本為4.4
sdk和ndk的版本如下：
Android SDK Build-Tools
二、需要修改的文件：
（1）Demo項目下的build.gradle文件
進行如下修改：
（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，如下圖，主要是用於 a) 解決tensorflow-lite:0.0.0-nightly無法下載的情況 b) 依賴項與sdk版本保持一致的問題 c) gradle3.0.0版本以上的依賴默認為implementation，而不是之前的gradle2+版本的compile。
（1）手動下載tensorflow-lite:0.0.0-nightly.aar。
（2）拷貝tensorflow-lite:0.0.0-nightly.aar文件到app/libs目錄下（如果不存在libs目錄，則自己手動添加一個）；
（3）在app下的bulid.gradle中repositories添加：
flatDir{dirs " libs"}代碼,
dependencies中添加：
compile fileTree(dir: 'libs', include: ['*.jar'])：
compile(name:' tensorflow-lite:0.0.0-nightly', ext:'aar')
dependencies中注釋掉：compile compile 'org.tensorflow:tensorflow-lite:0.0.0-nightly'
三、同步gradle文件：
點擊同步gradle的按鈕
，如果沒有報錯，則android studio “Run” app是可以執行的，否則該按鈕是灰色的，不能執行。
四、源碼分析
整個demo包含6個java文件：
其中：
-AutoFitTextureView：一個自定義的View；
-CameraActivity: 整個app的入口activity，這個activity只做了一件事，就是加載了一個fragment；
- Camera2BasicFragment: 入口activity中加載的fragment，其中實現了所有跟UI相關的代碼；首先在onActivityCreated中，初始化了一個ImageClassifier對象，此類是整個demo的核心，用於加載模型並實現推理運算功能。然后開啟了一個后台線程，在線程中反復地對從攝像頭獲取的圖像進行分類操作。
-ImageClassifier：是一個抽象類，demo最重要的部分，但只有兩個函數比較重要，一個是構造函數
-ImageClassifierFloatInception為浮點型子類，基類為ImageClassifier，對應的浮點模型為assets資源下的7_float.tflite
-ImageClaaifierQuantizedMobileNet為量化型子類，基類為ImageClassifier，對應的數字量化模型為assets資源下的7.tflite
 |