睡眠音频分割及识别问题(九)--Android下的YAMNet

部署PANNs模型面临的问题

1. 加载模型出错
   在使用PANNs模型时，在PC端可以较好的运行，可是在Android端运行的时候，编译过程提示缺少libpytorch_jni.so文件，导致无法加载模型，无法预测。（如果有读者可以解决这个问题，请在评论中留言，万分感谢！）
2. 模型所需空间较大
   PANNs的.pt模型文件大约30M，需要转换为Android端的torchscript文件，转换过后大约40M，加上pytorch框架可能会上50M。

部署YAMNet模型

• 由于无法使用PANNs，我们尝试将YAMNet部署到Android中。由于Android对Tensorflow的支持较好（可以通过编辑器直接导入模型），所以顺利的完成了YAMNet在Android上的部署。
• 最终编译出来的APK文件大小为21.2M。
  

测试YAMNet模型

在Android上使用0.975s的16kHz采样率音频数据测试，即一组全0的数组，形状为（1,15600）。得到结果如下所示：

小结

Pytorch对Andorid移动端不太友好，导致PANNs模型部署不成功；然后我们就转向了基于Tensorflow的YAMNet框架，后面尝试使用Java处理长音频数据，对音频进行重采样处理等操作。