将一个BP神经网络预测模型部署Android studio_怎么把训练好的模型导入到android studio中

       由于读研导师的研究方向的需要，刚接触关于模型导入的问题，这次记录一下我的新手历程，文章参考pytorch的官方文档Android | PyTorch和大佬的文章如何将pytorch模型部署到安卓_pytorch移植到安卓_普通网友的博客-CSDN博客

1.模型的保存

       我们在pycharm里保存的模型为.pth格式，如果需要将其部署到Android studio上需要把格式转换为.pt。我是直接在模型训练完毕之后，直接保存为.pt格式。

model.eval()  # Set the model to evaluation mode
example_input = torch.rand(1, X_train.shape[1])  # Example input tensor
traced_model = torch.jit.trace(model, example_input)
traced_model.save("model_mobile.pt")

2.Android studio的环境配置 

        Android studio部署pytorch模型需要导包，在app的build.gradle中导入包，而且你导入的包的版本需要和你的pytorch版本一致，由于我的pytorch版本为1.13.0，所以如下：

dependencies {
    implementation fileTree(dir: 'libs', include: ['*.jar'])
 
    implementation 'androidx.appcompat:appcompat:1.6.1'
    implementation 'androidx.constraintlayout:constraintlayout:2.1.4'
    testImplementation 'junit:junit:4.12'
    androidTestImplementation 'androidx.test.ext:junit:1.1.5'
    androidTestImplementation 'androidx.test.espresso:espresso-core:3.5.1'
 
//    pytorch包
    implementation 'org.pytorch:pytorch_android:1.13.0' // 根据您的实际PyTorch版本更改
 
}

       如果需要使用图像识别的模型，需要增加另一个包：

implementation 'org.pytorch:pytorch_android_torchvision:1.13.0'

3.将模型复制到Android studio中的特定文件夹中去

       在 app/src/main/目录下，新建assets文件夹，并将模型拷贝到文件夹中：

4.Android studio中的代码实现

4.1 创建一个Empty Activity并编写xml文件

具体代码如下（我这个模型有7个输入，输出3个类别是属于分类）：

<?xml version="1.0" encoding="utf-8"?>
<LinearLayout xmlns:android="http://schemas.android.com/apk/res/android"
    xmlns:app="http://schemas.android.com/apk/res-auto"
    xmlns:tools="http://schemas.android.com/tools"
    android:layout_width="match_parent"
    android:layout_height="match_parent"
    android:orientation="vertical"
    android:padding="16dp"
    tools:context=".MainActivity">
 
    <EditText
        android:id="@+id/input1"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:hint="Input 1"
        android:inputType="numberDecimal" />
 
    <EditText
        android:id="@+id/input2"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:hint="Input 2"
        android:inputType="numberDecimal" />
 
    <EditText
        android:id="@+id/input3"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:hint="Input 3"
        android:inputType="numberDecimal" />
 
    <EditText
        android:id="@+id/input4"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:hint="Input 4"
        android:inputType="numberDecimal" />
 
    <EditText
        android:id="@+id/input5"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:hint="Input 5"
        android:inputType="numberDecimal" />
 
    <EditText
        android:id="@+id/input6"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:hint="Input 6"
        android:inputType="numberDecimal" />
 
    <EditText
        android:id="@+id/input7"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:hint="Input 7"
        android:inputType="numberDecimal" />
 
    <!-- Repeat for all 7 inputs -->
 
    <Button
        android:id="@+id/predictButton"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:text="Predict"
        android:layout_marginTop="16dp" />
 
    <TextView
        android:id="@+id/resultTextView"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:text="Prediction result will appear here."
        android:textSize="16sp"
        android:layout_marginTop="16dp" />
 
 
</LinearLayout>

4.2 Mainactivity的代码实现

import android.annotation.SuppressLint;
import android.content.Context;
import android.os.Bundle;
import android.util.Log;
import android.view.View;
import android.widget.Button;
import android.widget.EditText;
import android.widget.TextView;
import androidx.appcompat.app.AppCompatActivity;
import org.pytorch.IValue;
import org.pytorch.Module;
import org.pytorch.Tensor;
import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.OutputStream;
 
public class MainActivity extends AppCompatActivity {
 
    private EditText[] inputs = new EditText[7];
    private Button predictButton;
    private Module model;
    private TextView resultTextView;
 
    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);
 
        // 1. Reference the EditText and Button components
        for (int i = 0; i < 7; i++) {
            int resourceId = getResources().getIdentifier("input" + (i + 1), "id", getPackageName());
            inputs[i] = findViewById(resourceId);
        }
        // similarly for other EditTexts
        predictButton = findViewById(R.id.predictButton);
        // Reference the TextView
        resultTextView = findViewById(R.id.resultTextView);
 
        // Load the model
        try {
            model = Module.load(assetFilePath(this, "model_mobile.pt"));
        } catch (IOException e) {
            e.printStackTrace();
            Log.e("PyTorchAndroid", "Error loading model", e);
        }
 
 
        // 2. Set up the button click listener
        predictButton.setOnClickListener(new View.OnClickListener() {
            @SuppressLint("SetTextI18n")
            @Override
            public void onClick(View v) {
                if (model ==null) {
                    Log.e("PyTorchAndroid", "Model is null!");
                    return;
                } else {
                    float[] modelInput = new float[7];
                    for (int i = 0; i < 7; i++) {
                        modelInput[i] = Float.parseFloat(inputs[i].getText().toString());
                    }
 
                    // Run the model and get prediction
                    Tensor inputTensor = Tensor.fromBlob(modelInput, new long[]{1, 7});
                    IValue output = model.forward(IValue.from(inputTensor));
                    float[] scores = output.toTensor().getDataAsFloatArray();
 
                    // Display the result (you can adjust this to your needs)
                    int predictedClass = argMax(scores);
                    resultTextView.setText("Predicted Class: " + (predictedClass + 1));  // Adjust based on your class labels
                }
            }
        });
    }
 
    public static String assetFilePath(Context context, String assetName) throws IOException {
        File file = new File(context.getFilesDir(), assetName);
        if (file.exists() && file.length() > 0) {
            return file.getAbsolutePath();
        }
 
        try (InputStream is = context.getAssets().open(assetName)) {
            try (OutputStream os = new FileOutputStream(file)) {
                byte[] buffer = new byte[4 * 1024];
                int read;
                while ((read = is.read(buffer)) != -1) {
                    os.write(buffer, 0, read);
                }
                os.flush();
            }
            return file.getAbsolutePath();
        }
    }
 
    public static int argMax(float[] scores) {
        int maxIndex = -1;
        float maxScore = Float.NEGATIVE_INFINITY;
        for (int i = 0; i < scores.length; i++) {
            if (scores[i] > maxScore) {
                maxScore = scores[i];
                maxIndex = i;
            }
        }
        return maxIndex;
    }
}

4.3 运行结果

那个结果分类我没有写具体，可以根据实际的类别更改

5.我遇到的问题

我最开始也是参考大佬的文章，发现当我部署自己的模型时，app闪退，我总结有以下两种问题导致：

1.Android studio的版本太低运行不了模型所以闪退，推荐使用较高版本的Android studio，附图我的：

app中的build gradle配置：

android {
    compileSdkVersion 33
    buildToolsVersion '33.0.0'
 
    defaultConfig {
        applicationId "com.example.testmodel"
        minSdkVersion 23
        targetSdkVersion 33
        versionCode 1
        versionName "1.0"
 
        testInstrumentationRunner "androidx.test.runner.AndroidJUnitRunner"
    }
 
    buildTypes {
        release {
            minifyEnabled false
            proguardFiles getDefaultProguardFile('proguard-android-optimize.txt'), 'proguard-rules.pro'
        }
    }
 
}

项目中的 build gradle

 dependencies {
        classpath 'com.android.tools.build:gradle:7.4.2'
        
 
        // NOTE: Do not place your application dependencies here; they belong
        // in the individual module build.gradle files
    }

2.pytorch的版本与 Android studio中的org.pytorch:pytorch_android:1.13.0包的本版本不一致，需要查看pytorch的版本进行导包（我这个好像是最高的版本了）

3.模型的格式转换一定要保存为.pt的格式