MobileNet教程(2)：用TensorFlow搭建安卓手机上的图像分类App
本文来自AI新媒体量子位（QbitAI） 上周末，量子位翻译了一份MobileNet教程，其中讲述了怎样在一个新的数据集上重新训练MobileNet，那篇文章的成果，是一个分类器，能在电脑上以每秒钟400张的速度，识别图片是否为道路。 MobileNet是为移动端量身打造的，因此这次我们准备把之前做的辨别道路的模型应用到一个Android App中，看看它在移动设备上效果如何。 目标和计划 首先，让我们明确目标和计划，我们希望做到： 在很小的特定数据上重新训练MobileNet； 模型在hold out测试集（即模型训练前为测试留出的样本）上达到95%的准确率； 程序运行时对300美元以下价位手机CPU的占用要小于5%。 为了达到这些目标，我们的计划是： 生成一个新的训练数据集； 训练多个MobileNet结构，从而寻找所能够达到准确率目标（95%）
