Android 食谱模型准备¶

此食谱演示了如何为 Android 应用程序准备 PyTorch MobileNet v2 图像分类模型，以及如何设置 Android 项目以使用移动就绪模型文件。

简介¶

在训练 PyTorch 模型或提供预训练模型后，它通常还没有准备好用于移动应用程序。它需要进行量化（请参阅量化食谱）、转换为 TorchScript 以便 Android 应用程序加载它，并针对移动应用程序进行优化。此外，Android 应用程序需要正确设置才能启用 PyTorch Mobile 库的使用，然后才能加载和使用模型进行推理。

先决条件¶

PyTorch 1.6.0 或 1.7.0

torchvision 0.6.0 或 0.7.0

已安装 NDK 的 Android Studio 3.5.1 或更高版本

步骤¶

1. 获取预训练和量化的 MobileNet v2 模型¶

要获取 MobileNet v2 量化模型，只需执行以下操作

import torchvision

model_quantized = torchvision.models.quantization.mobilenet_v2(pretrained=True, quantize=True)

2. 为移动应用程序脚本化和优化模型¶

使用 script 或 trace 方法将量化模型转换为 TorchScript 格式

import torch

dummy_input = torch.rand(1, 3, 224, 224)
torchscript_model = torch.jit.trace(model_quantized, dummy_input)

或

torchscript_model = torch.jit.script(model_quantized)

警告

trace 方法仅对跟踪期间执行的代码路径进行脚本化，因此对于包含决策分支的模型，它将无法正常工作。有关更多详细信息，请参阅脚本化和优化移动食谱。

然后优化 TorchScript 格式的模型以用于移动设备并保存它

from torch.utils.mobile_optimizer import optimize_for_mobile
torchscript_model_optimized = optimize_for_mobile(torchscript_model)
torch.jit.save(torchscript_model_optimized, "mobilenetv2_quantized.pt")

通过以上两个步骤中的总共 7 或 8 行代码（取决于是否调用了 script 或 trace 方法来获取模型的 TorchScript 格式），我们得到了一个可以添加到移动应用程序中的模型。

3. 在 Android 上添加模型和 PyTorch 库¶

在您当前的或新的 Android Studio 项目中，打开 build.gradle 文件，并添加以下两行代码（如果您计划使用 TorchVision 模型，则仅需要第二行）

implementation 'org.pytorch:pytorch_android:1.6.0'
implementation 'org.pytorch:pytorch_android_torchvision:1.6.0'

将模型文件 mobilenetv2_quantized.pt 拖放到项目的 assets 文件夹中。

就是这样！现在您可以使用 PyTorch 库和模型构建您的 Android 应用程序，并随时使用它。要实际编写代码来使用模型，请参考 PyTorch Mobile 的 Android 快速入门指南（含 HelloWorld 示例）和 Android 黑客马拉松示例。