Qualcomm开发者专区

这个demo是基于Yocto构建的，项目中也提供了CmakeLists.txt 文件，工程中提供了编译所需的.bb文件，在你获取到源代码并搭建了编译环境，你可以直接使用driver_warn_1.0.bb文件进行编译。当然，如果你不想做这些过程，你可以直接克隆整个项目并把它push到带IMX 577模组的TurboX C610 Open Kit上，然后，按照项目仓库中提供的README文件将所需的依赖添加完整，就可以通过weston_dp_client脚本直接执行这个demo中的可执行文件了。

使用说明

步骤 1. 克隆 TensorFlow 示例源代码。

将 TensorFlow 示例 GitHub 存储库克隆到您的计算机以获取演示应用程序。

git clone https://github.com/tensorflow/examples

在 Android Studio 中打开 TensorFlow 源代码。为此，打开 Android Studio 并选择Open an existing project，将文件夹设置为 examples/lite/examples/video_classification/android

步骤 2. 构建 Android Studio 项目

选择Build -> Make Project并检查项目是否成功构建。您需要在设置中配置 Android SDK。您至少需要 SDK 版本 23。该build.gradle文件将提示您下载任何缺少的库。

该文件download.gradle指示 gradle 下载示例中使用的三个模型，并将它们放入assets.

笔记：

`build.gradle` 被配置为使用 TensorFlow Lite 的夜间构建。

如果您看到与 Tensorflow Lite 的 Java API 兼容性相关的构建错误（例如，`method X is undefined for type Interpreter`），则可能是对 API 的向后兼容更改。您需要在示例存储库中运行 `git pull` 以获得与夜间构建兼容的版本。

3、步骤 3. 安装并运行应用程序

将 Android 设备连接到计算机，并确保批准手机上出现的任何 ADB 权限提示。选择Run -> Run app.将已连接设备中的部署目标选择到将安装应用程序的设备。这将在设备上安装应用程序。

要测试应用程序，请打开设备上调用的应用程序TFL Video Classification。当您第一次运行该应用程序时，该应用程序将请求访问相机的权限。重新安装该应用程序可能需要您卸载以前的安装。

贡献者信息

姓名	公司
zhang zhenzhen.zhang@thundercomm.com	Thundersoft
Sun yiqiao.sun@thundersoft.com	Thundersoft
Yuan yuandk0305@thundersoft.com	Thundersoft
Liu hongliang.liu@thundersoft.com	Thundersoft
Zhang zhanglei0706@thundersoft.com	Thundersoft

>>浏览更多Qualcomm硬件案例：http://qualcomm.csdn.net/m/zone/qualcomm2016/project

Qualcomm 开发者专区是 Qualcomm 联合CSDN 共同打造的面向中国开发者的技术专区。致力于通过提供全球最新资讯和最多元的技术资源及支持，为开发者们打造全面一流的开发环境。本专区将以嵌入式、物联网、游戏开发、Qualcomm® 骁龙™处理器的软件优化等技术为核心，打造全面的开发者技术服务社区，为下一代高性能体验和设计带来更多的想法和灵感。

加入 Qualcomm 开发者专区

Qualcomm 解决方案

汽车智能手机 XR/VR/AR 物联网移动计算网络连接智慧城市智能家居可穿戴设备

了解全部产品解决方案

高通 AI Hub

全新高通 AI Hub 包含预优化AI模型库，支持在搭载骁龙和高通平台的终端上进行无缝部署。
该模型库为开发者提供超过75个主流的AI和生成式AI模型，比如Whisper、ControlNet、Stable Diffusion和Baichuan-7B，可在不同执行环境(runtime)中打包，能够在不同形态终端中实现卓越的终端侧AI性能、降低内存占用并提升能效。所有模型均经过优化，以充分利用高通AI引擎内所有核心（NPU、CPU和GPU）的硬件加速能力，从而使推理速度提升4倍。

了解更多