Tensorflow官方原始碼部分有這麼個目錄：tensorflow/examples/android/ 它提供了一個移動端深度學習實現的demo工程；配置安卓開發環境後，就可以在Android studio中run起來並安裝到手機中了。

該工程主要實現的功能有：目標檢測，分類，語音識別，風格遷移；

我所關心的主要是目標檢測功能；本文的目的是想將yolo模型匯入到這個開發環境中，用yolo模型做目標檢測而不是他預設的ssd_mobilenet_v1_android_export.pb檔案

step1: 將上述android資料夾整體拷貝一份；我將其重新命名為android_yolo

step2：用Android Studio開發工具開啟上面這個工程檔案android_yolo；

step3:修改一些檔案內容：

由於tensorflow/examples/android這個檔案工程預設有4個功能，本文只考慮檢測功能，因此將無關的其他功能註釋掉；

更改一：

對manifests/AndroidManifest.xml檔案的如下內容（classifer,stylize,speech）進行註釋掉，line37-line76行左右；

xml檔案的註釋語句為“<!--     你要註釋掉的內容   -->

如果想要讓這個工程跑你的yolo模型，需要你將yolo的.weights檔案轉為tensorflow的.pb檔案；

關於這個轉換的方法我會針對性的寫篇文章，目前可參考darkflow這個工具；拿yolov2-tiny-voc.weights為例說明，經過darkflow工具會產生兩個檔案：yolov2-tiny-voc.pb 和 yolov2-tiny-voc.meta

將生產的pb檔案放到assets資料夾下；

更改二：

為了使用自定義的模型檔案（如上面的yolov2-tiny-voc.pb）還需要更改如下內容：

java/org/tensorflow/demo/DetectorActivity.java檔案中（大約line 76）將YOLO_MODEL_FILE中的模型檔名更改為上述你匯入的pb檔名（我的是yolov2-tiny-voc.pb）

同個檔案中(大約 line 89 ）將DetectorMode MODE更改成YOLO，如下圖所示；圖中的MINIMUM_CONFIDENCE_YOLO=0.25f是置信度閾值，可依據最後顯示效果選擇更改；

更改三：

如果上述的yolo模型是你自己訓練的話，那麼你還需要更改下述內容（如果你是用官網訓練好的yolo模型，比如我直接用的官網在coco上訓練的20個類別目標的話，以下內容可不做更改）

在java/org/tensorflow/demo/TensorFlowYoloDetector.java中（大約line 37）將你訓練的總類別數NUM_CLASSES=更改；

同文件中（大約 line 51）在LABELS={}中填入你訓練yolo時對應的name檔案中的類別名，並且保持次序一致。

step4: 關閉工程自動下載pb檔案

由於該工程會自動下載最開始說的四個功能對應的pb檔案，為了是工程直接用我們匯入的，需要將它自動下載功能關掉；

找到工程下的build.gradle檔案，找到該檔案（大約 line 197）中下面這句

apply from: "download-models.gradle"  

將其註釋掉；這樣工程就不會自動下載那四個模型檔案了。

step5:

以上完成了工程內容的更改，然後對工程進行同步->編譯，最後run ‘app’，連線上你的手機，將生成的apk檔案安裝到手機端，測試結果如下：