我已经训练了一个 keras 模型(转换为 ML 套件的 .tflite)，它不采用来自 Android 传感器的原始数据作为输入，而是采用一些预处理的数据。数据的预处理太复杂，无法用 Java 完成，但使用 Python 脚本就足够可行了。所以我想知道是否有一种方法可以使用 python 预处理原始数据输入，然后将其输入到我的 .tflite 模型中。
最佳答案
就 Android 应用程序而言，Python 可能无法在本地很好地集成。不过，您可以根据自己拥有的资源尝试以下方法。
- 云计算 - 使用 REST API 调用从 Google Cloud 上托管的 Python 脚本获取预处理数据，根据需要进行存储，并根据您的要求在 Android 或云上运行模型预测。
- Chaquopy 插件 - 尝试 Android Studio 基于 Gradle 的构建系统插件 chaquopy它可以在 android 中实现 Java 和 Python 的基本混合。
- C++ JNI 集成 - 尝试在 C++ 中执行数据预处理并使用 Java native 接口(interface) (JNI) 进行集成。
关于java - 使用 python 脚本转换输入以输入到连接到 Android 应用程序的 firebase 的tensorflow lite ML Kit，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/59613083/