前言
最近在研究ML的相关内容，开始在Android应用中接入TensorFlowLite。花了不少时间，添了不少坑，如果是裸的空项目接入还好，如果是现有的线上产品的接入，还是会有不少问题需要处理的，而且过程中，很多错误，网上的结论都是错误的，这个流程是我手把手一步步走的~亲测靠谱
先看效果
接入sdk
开始只是以为简单的接入TensorFlowLite的 aar，
发现TensorFlowLite使用了JAVA 8的类属性，之前我们的Android工程使用的是gradle 2.3，需要加入JackOption，但是打开之后，整体编译特别慢，而且经常GC too many time，导致编译崩溃，因为最后添加了jack的dex转换，我们工程大的情况下20分钟是出不来的。。。
决定升级gradle到3.X
升级gradle3.X
开始直接升级到了gradle 4.1， Android build tool升级到了3.1.3，因为很久没有琢磨gradle了。
发现有3个主要的显式变化，还有很多编译器的改动，加入了D8，aapt2，编译速度有很大的提升。
1. compile改成implementation，test和debug的依赖也以此类推，子模块可以不用改动，而且日志里 写的到2018年底，全面废除compile，我们提前改了吧。
2. 第二个注解库，需要显式声明，具体样式如下compile 'org.weex.plugin:processor:1.0.2'annotationProcessor 'org.weex.plugin:processor:1.0.2'3. 子库里的依赖，可以通过一个processer属性配置，依赖该子模块的主模块需要添加javaCompileOptions {annotationProcessorOptions {includeCompileClasspath true}}
终于可以编译了：
然后发现通过AndroidStudio直接运行，会因为安全图片无法加载，阿里郎登录就直接崩溃，排查了一下，发现是因为InstantRun导致，新版里面增量编译导致了这个问题，于是关闭了InstanceRun，ok，加密图片ok
加入TensorFlowLite的sdk
这个时候加入sdk，发现直接崩溃，报了一个C++层的错误，开始以为是模型被压缩了，导致加载模型报错了，网上查结论只是说换一个版本的TensorFlowLite的sdk，版本从+换成0.1，换了依然崩溃。
仔细分析了下原因，发现网上的各个解决方案都不太正确，其实是JNI层的问题，首先这个so有没有加载成功，我把apk解压缩，就会发现，其实是因为lib里面libtensorflowlite_jni.so没有armeabi的so，导致的。。。
研究了一波TensorFlowLite的aar，发现只打包了
armeabi-v7a, arm64-v8a, x86, x86-64
那只有修改ndk的abi支持类型咯，但是发现如果修改了ndk配置，那很多应用中用到的armeabi的so的sdk就无法运行，我只能自己编译一个armeabi的so来使用了。
编译TensorFlowLite自己生成libtensorflowlite_jni.so
既然官方的aar没有对应的so，又是开源的，那我自己编译一个so出来吧，
查看文档，先安装bazel，通过brew可以很快的安装
现在TensorFlow的根目录的WORKSPACE添加android配置项目，注意这个地方是新增
接着配置好Androidsdk 和 Android Ndk的路径，我之前用NDK14编译最新代码会有问题，所以换成了16，不用17，目前的17会有别的问题。。。
android_sdk_repository (name = "androidsdk",api_level = 23,build_tools_version = "26.0.1",path = "/Users/XXX/Library/Android/sdk",
)android_ndk_repository(name = "androidndk",path = "/Users/XXX/Library/Android/sdk/ndk-bundle",api_level = 16,
)安装完bazel之后，再安装Xcode（刚换的电脑，所以还没有Xcode，也算是踩到另一个坑），最新版本，然后又报了一个找不到的错误stdlib官方组件的问题。
这个地方一定要注意一点，如果你安装了xcode的组件，然后还是报依赖错误，很有可能是因为你clone的姿势不对
一定要这么clone
git clone --recurse-submodules https://github.com/tensorflow/tensorflow.git编译的过程中碰到的几个问题，也发出来吧
this rule is missing dependency declarations for the following files included by 'external/flatbuffers/src/util.cpp':'/Applications/Xcode.app/Contents/Developer/Toolchains/XcodeDefault.xctoolchain/usr/include/c++/v1/stdlib.h'这个之后，通过cat /Applications/Xcode.app/Contents/Developer/Toolchains/XcodeDefault.xctoolchain/usr/include/c++/v1/stdlib.h
会提示安装Xcode的CPP组件库
一波安装之后
在一切准备好之后，就可以按照下面这个命令行去进行TensorFlow的so编译了，因为官方库里没有armeabi的so，而集团里又没有指定机型的，所以只有自己动手丰衣足食
bazel build --cxxopt='--std=c++11' //tensorflow/contrib/lite/java:tensorflowlite --crosstool_top=//external:android/crosstool --host_crosstool_top=@bazel_tools//tools/cpp:toolchain --cpu=armeabi编译生成的产物在这个路径下：
bazel-bin/tensorflow/contrib/lite/java/libtensorflowlite_jni.so
bazel-bin/tensorflow/contrib/lite/java/libtensorflowlitelib.jar
ok，在完全准备之后，我们先把demo的activity给接入一下，测试一下效果，OK，全部跑通~
然后就可以看到之前的那个图片了。
