我正在开发一个智能移动的恒温器，在Android和Spring中优化和节省能源。ML模型应该应用于Sping Boot 应用程序，该应用程序将成为Android应用程序将与之通信的服务器。
为了创建ML模型，我需要提供数据集，其中包括历史平均外部温度，当前外部温度和应定期更新的室温，建筑物的传热系数，房间面积和体积以及供暖季节平均房间大小的平均能源（热量）使用。
因此，我想知道这个工具（TensorFlow Lite）可能是有用的，特别是什么AI方法和算法最适合这个应用程序来处理数值数据，并创建模型，根据用户的偏好控制炉子何时打开和关闭（精确的温度，达到预期效果的时间，节省能源）如果需要，我将非常感激，如果你能给予我一些其他的建议。
1条答案
按热度按时间axkjgtzd1#
TensorFlow Lite是在Android上运行ML模型的最佳方式（支持的操作有限）。我个人曾在图像分类中使用here。
TensorFlow Lite是TensorFlow移动的的继任者，TensorFlow目前已弃用，但仍在使用。
在你的问题中，你有一些特征，标签是二进制的（0代表OFF，1代表ON）。你可以收集一些数据并在其上训练Keras模型。
Keras是一个开源神经网络库，也是基于TensorFlow构建的，可以在
tf.keras模块中使用。您可以在他们的网站上找到教程。将模型保存为.
h5文件后，您需要将其转换为.tflite文件，这是我们的TensorFlow Lite模型。请参阅此file。您可以将此模型保存在应用的assets文件夹中，并使用
Interpreter类将其加载到Android中。您可以看到此file。你可以看到应用程序“Skinly”。它使用TensorFlow Lite。Python项目是here，Android项目是here。
提示：
当你使用 server 这个词时，有一个TensorFlow.js可以在JavaScript中创建ML模型。你也可以在其中加载Python模型。
此外，您还可以在Firebase ML Kit上托管模型。
希望能帮上忙。