TensorFlow Lite：更新现有模型或在部署的应用程序中添加新模型答案

【问题标题】：TensorFlow Lite: Update existing model or add new one in deployed appTensorFlow Lite：更新现有模型或在部署的应用程序中添加新模型
【发布时间】：2021-04-07 16:39:19
【问题描述】：

我正在创建一个需要使用 TensorFlow Lite 模型进行离线推理的移动应用（使用 Flutter，了解更多详情）。这需要离线的事实意味着模型需要随 APP 一起提供。

我知道如何使用 APP 部署模型（例如，请参阅 this tutorial；那里有很多模型）但是，由于这些模型可能会随着时间的推移而改变 - 例如重新训练以获得更好的新数据准确性，甚至添加了新模型来分析不同的事物 - 找到一种无需更新整个应用程序的方法会很好。

到目前为止，我发现动态更新/添加模型的唯一选项要求 APP 连接到托管模型的外部服务，例如 Firebase，但是当 APP 需要离线运行时，这还不够好。

您对如何做到这一点有什么建议吗？

非常感谢，迭戈

【问题讨论】：

标签： flutter tensorflow-lite

【解决方案1】：

抱歉，您是说要在没有互联网连接（或网络连接）的情况下更新应用程序（应用程序的一部分）吗？从 Play 商店/应用商店更新应用需要互联网连接。

手动安装新的应用程序更新。这将更新整个应用程序，而不仅仅是模型文件，但这很好，您无需更改任何代码。
- 在 Android 上：安装新的 APK adb install，然后
- 在 iOS 上：使用 Adhoc 分发
模型文件选择器和手动模型选择： 或者，您可以在应用程序中添加文件选择器来选择本地模型文件。此模型文件需要在设备上，您可以手动将其复制到设备上（例如，Android 上的 adb push model.tflite，iOS 上的 Airdrop）。
本地网络托管模型：或者您可以从本地网络自动下载模型（仍然“离线”/没有互联网连接）。

【讨论】：

不，不。要更新应用程序 - 或模型 - 可以连接互联网。我不想要的是需要互联网连接才能使用该应用程序。当一个模型发生变化时更新整个应用程序是我想要避免的：我想将模型保留在设备中，以便它们可以独立更新（或添加新的）。我将研究您建议的第二个和第三个选项，并了解如何动态选择模型文件。
听起来您应该将所有模型与您的应用程序捆绑在一起，然后在它们之间切换。然后你可以让你的逻辑在它们之间切换。您必须提前编写代码。