我的目的是实现一个二分类的手机分类器（多分类同理），网上关于移动端实现MobileNet的教程有一大堆，这里推荐一个比较典型的博客。之所以还写一个教程，是因为网上搜索到的都是基于TensorFlow MobileNet官方代码实现的（据说这种方法在2019年已经被停止维护了）。于是，我跟随着上面博客的脚步准备数据（数据准备按上面博客就行了），试图跟着大佬一路走到黑，直到找到了官代上的tensorflow/examples/image_retraining/retrain.py。然而当我信心满满点开代码时，发现该代码已被弃用，请转到新地址，如下图。emmmmmm...只能跟着更新后的官方教程来了，从此开启了踩坑之路。
第一步：直接访问自定义训练的新代码，这个代码是用来替换原来的retrain.py（tensorflow/examples/image_retraining/）的，原始的retrain.py是用TensorFlow1.X版本写的，本人是没跑起来，于是看起了新代码。根据新代码中的README，要求使用TensorFlow2.X版本（推荐直接安装GPU版），还需要安装一个tensorflow-hub，终端命令如下（我习惯用pip3）
$ pip3 install "tensorflow-gpu~=2.0"
$ pip3 install "tensorflow-hub[make_image_classifier]~=0.6"安装之后可以检查一下，终端输入pip3 list，会找到tensorflow-gpu和tensorflow-hub，如图
第二步：用自己的数据训练MobileNet。跟着官方教程来，直接开终端输入以下命令（不需要进入make_image_classifier.py所在文件夹）：
$ make_image_classifier \
--image_dir my_image dir \
--tfhub_module https://tfhub.dev/google/tf2-preview/mobilenet_v2/feature_vector/4 \
--image_size 224 \
--saved_model_dir my_dir/new_model \
--labels_output_file class_labels.txt \
--tflite_output_file new_mobile_model.tflite--image_dir 数据集所在文件夹路径
--tfhub_module 这是个外网地址，需要翻墙才能访问。如果能翻墙，直接写上面的网址就可以了（注意查看mobilenet对应版本）。Ubuntu翻墙我失败了，于是在Windows上访问，会下载一个压缩包包含下面这些东西，用解压后的文件夹路径替换上述网址即可
--image_size 关于输入图像的尺寸请参考上面的博客
--saved_model_dir 用来保存结果的文件夹路径
--labels_output_file 代码会自动生成一个.txt文件，里面包含了你数据集的所有分类，给出一个以.txt结尾的路径即可
--tflite_output_file 代码会自动生成一个.tflite文件，给出一个以.tflite结尾的路径即可
第三步：开始训练自定义数据集的mobilenet模型，训练过程如图
所有epoch结束后会生成下图文件，后面会用到的是class_labels.txt和new_mobile_model.tflite
第四步：转移到Android端。需要安装Android Studio和配套的JKD、SDK、NDK等，请自行搜索安装教程。安装完成后回到一开始的tensorflow代码。找到/tensorflow/tensorflow/lite/java/demo文件夹，直接用Android Studio打开demo。Android Studio会自动下载各种依赖包，很多用的都是外网，会造成等待超时的错误，因此要先把下载源图换成`替换成阿里源。找到build.gradle文件，在下图的两个位置加上一句话
maven { url 'http://maven.aliyun.com/nexus/content/groups/public/' }
修改build文件后，IDE会自动提示下图，点击Sync Now就可以了（没有的话直接重启Android Studio）
下载完成后会提示下图
在工具栏上找到并点击Build-->Make Project，进行程序编译，成功后如下图
编译成功后开始进行运行前的重要准备。首先找到tensorflow/tensorflow/lite/java/demo/app/src/main/assets文件夹，将之前训练得到的class_labels.txt和new_mobile_model.tflite文件拷贝到该文件夹下，如图
然后找到/tensorflow/tensorflow/lite/java/demo/app/build.gradle文件，如图。注意！！！此时的build文件是在app目录下的，刚才修改阿里源的build文件是在demo目录下的，这两个build文件不是同一个文件！！！
打开该文件，找到下图位置，从62行到最后全部注释掉。原因是63-66行是在下载官方示例代码中提供的mobilenet权重，而且每次打开项目都会自动下载（需要访问外网）。然而我们的目的是用自己训练好的权重文件替换原始的示例权重，因此直接注释掉即可，再点击右上角的Sync Now
将手机通过数据线连接在电脑上，且必须打开手机的开发者模式
最后一步！！！！！！找到demo/app/src/main/java/com/example/android/tflitecamerademo/ImageClassifierFloatMobileNet.java文件，如下图位置，将50和54行都替换成刚刚拷贝到assets下的文件名，ImageClassifierFloatInception和ImageClassifierQuantizedMobileNet文件中的相应位置不要进行改动，否则会造成手机端app闪退（具体原因不清楚），最后点击Run-->Run 'app'即可
运行时手机端会有安装响应，直接安装即可。结果如下图，第一张图是示例代码的结果（在ImageNet上训练的1000分类），第二张图是我自定义数据集的结果（Complete和Others）两个分类。手机分类器的部署到此圆满结束，以上步骤建议完成时长3天。
