在 Flutter 中使用 TensorFlow Lite 插件实现文字分类

如果您希望能有一种简单、高效且灵活的方式把 TensorFlow 模型集成到 Flutter 应用里，那请您一定不要错过我们今天介绍的这个全新插件 tflite_flutter。这个插件的开发者是 Google Summer of Code(GSoC) 的一名实习生 Amish Garg，本文来自他在 Medium 上的一篇文章《在 Flutter 中使用 TensorFlow Lite 插件实现文字分类》。

tflite_flutter 插件的核心特性：

它提供了与 TFLite Java 和 Swift API 相似的 Dart API，所以其灵活性和在这些平台上的效果是完全一样的
通过 dart:ffi 直接与 TensorFlow Lite C API 相绑定，所以它比其它平台集成方式更加高效。
无需编写特定平台的代码。
通过 NNAPI 提供加速支持，在 Android 上使用 GPU Delegate，在 iOS 上使用 Metal Delegate。

本文中，我们将使用 tflite_flutter 构建一个 文字分类 Flutter 应用 带您体验 tflite_flutter 插件，首先从新建一个 Flutter 项目 text_classification_app 开始。

初始化配置

Linux 和 Mac 用户

将 install.sh 拷贝到您应用的根目录，然后在根目录执行 sh install.sh，本例中就是目录 text_classification_app/。

Windows 用户

将 install.bat 文件拷贝到应用根目录，并在根目录运行批处理文件 install.bat，本例中就是目录 text_classification_app/。

它会自动从 release assets 下载最新的二进制资源，然后把它放到指定的目录下。

请点击到 README 文件里查看更多关于初始配置的信息。

获取插件

在 pubspec.yaml 添加 tflite_flutter: ^<latest_version> （详情）。

下载模型

要在移动端上运行 TensorFlow 训练模型，我们需要使用 .tflite 格式。如果需要了解如何将 TensorFlow 训练的模型转换为 .tflite 格式，请参阅官方指南。

这里我们准备使用 TensorFlow 官方站点上预训练的文字分类模型，可从这里下载。

该预训练的模型可以预测当前段落的情感是积极还是消极。它是基于来自 Mass 等人的 Large Movie Review Dataset v1.0 数据集进行训练的。数据集由基于 IMDB 电影评论所标记的积极或消极标签组成，点击查看更多信息。

将 text_classification.tflite 和 text_classification_vocab.txt 文件拷贝到 text_classification_app/assets/ 目录下。

在 pubspec.yaml 文件中添加 assets/。