阅读本文大概需要 5.20 分钟。
AlphaGo 再次战胜人类，Google 发布 TensorFlow 正式版，百度筹建深度学习实验室......人人都在谈论机器学习、深度学习，作为移动应用开发者，这些概念离你很远吗？其实不然，如果你不想被未来淘汰，想获得更好的工作，想在技术上变得更牛掰，机器学习和深度学习可能是未来5年内最值得你关注的话题之一。
为什么这么说？
首先，深度学习，能为你打开新世界的大门，让你的应用与时俱进，更迷人
App 只是一个框架，无论你是一个团队中的工程师，还是一个独立开发者，掌握了前沿、最新的技术，都有可能为你打开新的思路，让你手上的应用变得更酷、更让人惊喜。最典型的一个例子，就是前段时间风靡世界的照片滤镜应用 Prisma。
滤镜应用太常见了，但和别的滤镜不同，Prisma 通过深度学习，把你上传的照片，用梵高、毕加索、莫奈的笔重新”画”了一遍，因为美颜过程有“人工智能”的参与，出来的效果非常融洽、惊艳，连俄罗斯前总统梅德韦杰夫都忍不住在 Instagram 上 po 出多张用 Prisma 处理后的照片。
经深度学习图片渲染应用 Prisma 处理后的照片就像这样：
另一个例子是 Google 翻译的 App，这款应用在我自己在出国旅游时也帮了不少忙。日本很多餐馆都只有日文菜单，老板们的英文水平也比较捉急......你们以为这就能阻止我品尝最地道的美食吗？Naive！Google 翻译上的图像识别翻译功能，已经能比较好地帮我避免窘境，让我大概明白我要放进嘴里的是什么东西。
在这个“看图即时翻译”过程中，深度学习首先帮助应用识别出图中的文字，其次，为了让用户在各类手机、大部分网络环境下都能使用这项服务，Google 还开发了一个“迷你神经网络”，让它在计算能力有限的智能手机上，独立工作，而不需要联网到远程的云计算平台。
其次，深度学习/机器学习是趋势，是无所不在的未来，掌握这项技术，将给你带来更好的工作机会，更不容易被淘汰。
现在深度学习、机器学习的发展实在太快，科研突破层出不穷。所有一线的互联网公司都开始在他们的应用中植入机器学习的算法，滴滴出行在做订单调配和路径规划，饿了么在用深度学习给配送员推送最经济的配送路线，淘宝首页的“猜你喜欢”更是越来越聪明誓要掏空你的钱包。
与此同时，移动化仍然是互联网业务的一个重要趋势。还有很多有趣的应用和服务还没来得及移植到手机上，而互联网大佬们正在砸钱砸人开发的各类深度学习应用，也终将会在移动端有自己的落点。
如果你有经验和能力，用深度学习来改造、升级现有的应用，无疑你将是移动开发领域中最炙手可热的人才。或者作为个人开发者，把一个成熟的深度学习模型移植到移动端，也有可能成为你在市场中突出重围、一夜爆红的利器。梦想还是要有的，总会有人实现它们的！
那么问题来了，作为一个普通的 Android 开发者，要如何用最快的速度上手深度学习，把这项黑科技装入你的应用之中？
事实上，Android 的后爹 Google， 早就开源了一个 TensorFlow Android Camera Demo 的深度学习库，其中包含了三个样例应用：
1. 分类（TF Classify）
这个应用，能够给相机里的照片加上标题和所对应的确定性概率，通常都很准确也很具体哦。 比如戴着帽子的小狗，电脑桌上的咖啡杯等等。
2. 识别（TF Detect）
应用可以实时识别并追踪相机画面里的人物，并标注出识别的确定程度。 不管是是近景还是远景中的人，都能识别得相当准确哦。
3. 渲染（TF Stylize）
这个应用，可以使用多种风格对图片进行渲染，虽然速度不如前面提到的 Prisma 那么迅捷，但是效果也是一级棒！
现在，你当然可以把展示应用的apk下载下来，亲自把玩一番。但作为一个程序员，把玩一番怎么够，要自己构建出来的，自己修修改改才好玩，一个简单的步骤如下：
1. 下载已经编译的 Tensorflow （你当然可以使用 NDK 编译的Tensorflow 源码，不过我觉得太麻烦了）
2. 在 app/libs/ 中添加 libandroid_tensorflow_inference_java.jar 同时编辑 Gradle 文件告知 android studio 项目会使用这个外部库
3. 运行 Demo
那么，怎么做一些修改呢？你可以打开Camera App demo 的黑盒，仔细看看里面的实现方式 ，其实模型都训练好了，你就是要学如何进行预测，也就是使用TensorFlowInferenceInterface 这个库。