由于很久没有接触过Android开发，而且最早用的是eclipse，所以这个demo在android studio上的搭建过程，真的是踩了不少坑。记录这篇文章，纯粹是给自己一点收获。
环境搭建的过程，还是需要一点Android Studio的使用基础的，包括gradle同步、ndk、sdk之类的，另外由于需要在线下载资源，所以准备一个网络畅通的VPN。
一、基础环境
Windows 10系统、Android studio 3.1.2、tensorflow1.10.0、gradle版本为4.4
sdk和ndk的版本如下：
Android SDK Build-Tools
二、需要修改的文件：
（1）Demo项目下的build.gradle文件
进行如下修改：
（2）Demo/app文件下的build.gradle文件
android{ ... }中需要修改的部分：
repositories{ ... }和dependencies{}需要修改的部分，如下图，主要是用于 a) 解决tensorflow-lite:0.0.0-nightly无法下载的情况 b) 依赖项与sdk版本保持一致的问题 c) gradle3.0.0版本以上的依赖默认为implementation，而不是之前的gradle2+版本的compile。
（1）手动下载tensorflow-lite:0.0.0-nightly.aar。
（2）拷贝tensorflow-lite:0.0.0-nightly.aar文件到app/libs目录下（如果不存在libs目录，则自己手动添加一个）；
（3）在app下的bulid.gradle中repositories添加：
flatDir{dirs " libs"}代码,
dependencies中添加：
compile fileTree(dir: 'libs', include: ['*.jar'])：
compile(name:' tensorflow-lite:0.0.0-nightly', ext:'aar')
dependencies中注释掉：compile compile 'org.tensorflow:tensorflow-lite:0.0.0-nightly'
三、同步gradle文件：
点击同步gradle的按钮
，如果没有报错，则android studio “Run” app是可以执行的，否则该按钮是灰色的，不能执行。
四、源码分析
整个demo包含6个java文件：
其中：
-AutoFitTextureView：一个自定义的View；
-CameraActivity: 整个app的入口activity，这个activity只做了一件事，就是加载了一个fragment；
- Camera2BasicFragment: 入口activity中加载的fragment，其中实现了所有跟UI相关的代码；首先在onActivityCreated中，初始化了一个ImageClassifier对象，此类是整个demo的核心，用于加载模型并实现推理运算功能。然后开启了一个后台线程，在线程中反复地对从摄像头获取的图像进行分类操作。
-ImageClassifier：是一个抽象类，demo最重要的部分，但只有两个函数比较重要，一个是构造函数
-ImageClassifierFloatInception为浮点型子类，基类为ImageClassifier，对应的浮点模型为assets资源下的7_float.tflite
-ImageClaaifierQuantizedMobileNet为量化型子类，基类为ImageClassifier，对应的数字量化模型为assets资源下的7.tflite