官方代码自动下载的模型，跑得时候一直出问题，重新下载以后就可以运行了。这里打包一下整个工程，备份一波。

在OpenHarmony上，使用tensorflow lite推理Yamnet实现语音分类 包含所需要的Tensorflow lite OHOS 库的编译方式 测试所需要的测试数据以及源码 基于Tensoflow lite c++ sdk接口编写

提供的这个软件（以及演示应用程序）让您拍摄照片通过TensorFlowLite分析然后找出它是什么物体。可识别的物体可以不止一个，它们按照置信度排序。注：TensorFlowLite针对预定义模型（一种分类器，图形）分析图像，首先阅读readmefirst.txt。里面有较为详细的说明。你可以编译源代码，如果你没有环境，附件中也有编译好的apk供你使用。仅供学习使用，请勿用于商用。

yolov5移植到ios运行测试例子， 亲测有效。

本文来自于网络，全文讲述了移动端开发人声识别算法优化，针对如何提高人声识别率进行了讲解，希望对大家的学习能有作用。1)当网络较差的情况下会造成较大的延时，带来较差的用户体验。2)当访问量较大的情况下，会大量占用服务端资源。为解决以上两个问题，我们选择在客户端上实现人声识别功能。本文使用机器学习的方法识别人声。采用的框架是谷歌的tensorflowLite框架，该框架跟它的名字一样具有小巧的特点。在保证精度的同时，框架的大小只有300KB左右，且经过压缩后产生的模型是tensorflow模型的四分之一。因此，tensorflowLite框架比较适合在客户端上使用。为了提高人声的识别率，需要提取音

tensorflowlite 实例分割 安卓app 可直接安装

tensorflowlite 图像分类 安卓app 可直接安装 实时分类

mobilenet_v1_1.0_224.tflite mobilenet_v1_1.0_224_quant.tflite efficientnet-lite0-fp32.tflite efficientnet-lite0-int8.tflite

基于TensorFlow Lite 手写体识别（Android版）

efficientnet-lite0-int8.tflite