【Spring IoC容器的加载过程】

tensorflow-lite 是tensorflow 支持的可以在端侧部署的工具，可以在端侧做训练和推理，同时也无需用户上传自己的敏感数据，当把tensorflow 的模型转换成tensorflow-lite 之后，下一步就是要在指定平台上做tensorflow-lite的集成，tensorflow-lite支持Android, IOS 和arm 系列的嵌入式板子，下面是在arm 上编译tensorflow-lite的过程

参考链接：https://www.tensorflow.org/lite/guide/build_cmake

 安装第三方库：

• absl-cpp: abseil / C++ Quickstart With CMake
• eigen3: sudo apt install eigen3-dev
• flatbuffer:
  • git clone https://github.com/google/flatbuffers.git  要找对版本，版本在tensorflow 的third_parth 的flatbuffer 文件夹下指定 ，直接放到third_party 下即可
• gemmlowp:
  1. 放到tensorflow 的third_party 下面
• ruy:
  1. Git clone xxx
  2. 把cpuinfo 放到third_party 目录下
  3. Cmake ..
  4. Make
  5. Make install
• NEON_2_SSL
  1. 这个不用考虑
• 编译tensorflow-lite
  1. Mkdir tflite-build
  2. Cd tflite_build

  3. cmake ../tensorflow/lite -DTFLITE_ENABLE_INSTALL=ON \
     
       -DCMAKE_FIND_PACKAGE_PREFER_CONFIG=ON \
     
       -DSYSTEM_FARMHASH=ON \
     
       -DSYSTEM_PTHREADPOOL=ON 
     
     

 错误信息

 -DTFLITE_ENABLE_GPU=ON  # 这个地方enable gpu 之后会报错， 这里是为了让tensorflow-lite 在支持OPENCI 的情况下，用openci 代理去提供类似GPU的优化加速，由于Jetson 自带GPU，所以这里无需指定