# MindSpore Lite推理流程
`端侧` `进阶` `推理应用`
[](https://gitee.com/mindspore/docs/blob/r1.5/tutorials/source_zh_cn/intermediate/inference/mindspore_lite_inference.md)
本文将会以图像分割Demo为例讲解如何使用MindSpore Lite进行推理。
文章包含以下几方面的说明：
- MindSpore Lite推理流程及Java接口的使用
- 如何在Android中部署Demo
## 运行依赖
完成Demo部署需安装以下依赖项：
- Android Studio >= 3.2 （推荐4.0以上版本）
- Android SDK >= 26 （Android Studio默认安装）
- JDK >= 1.8 （Android Studio默认安装）
## MindSpore Lite推理流程
推理代码流程如下，完整代码请参见 [src/java/com/mindspore/imagesegmentation/TrackingMobile](https://gitee.com/mindspore/models/blob/r1.5/official/lite/image_segmentation/app/src/main/java/com/mindspore/imagesegmentation/help/TrackingMobile.java)。
1. 加载MindSpore Lite模型文件，构建上下文、会话以及用于推理的计算图。
- 加载模型文件：创建并配置用于模型推理的上下文。
```java
// 加载segment_model.ms模型
Model model = new Model();
if (!model.loadModel(Context, "segment_model.ms")) {
Log.e(TAG, "Load Model failed");
return;
}
```
- 创建会话。
```java
// 创建config并完成初始化
MSConfig msConfig = new MSConfig();
if (!msConfig.init(DeviceType.DT_CPU, threadNum, CpuBindMode.MID_CPU)) {
Log.e(TAG, "Init context failed");
return;
}
// 创建MindSpore lite session.
LiteSession session = new LiteSession();
if (!session.init(msConfig)) {
Log.e(TAG, "Create session failed");
msConfig.free();
return;
}
msConfig.free();
```
- 加载模型文件并构建用于推理的计算图。
```java
// 图编译
if (!session.compileGraph(model)) {
Log.e(TAG, "Compile graph failed");
model.freeBuffer();
return;
}
// 当使用model.freeBuffer()时, 模型无法被再次编译
model.freeBuffer();
```
2. 将输入图片转换为传入MindSpore模型的Tensor格式。
将待检测图片数据转换为输入MindSpore模型的Tensor。
```java
List<MSTensor> inputs = session.getInputs();
if (inputs.size() != 1) {
Log.e(TAG, "inputs.size() != 1");
return null;
}
float resource_height = bitmap.getHeight();
float resource_weight = bitmap.getWidth();
ByteBuffer contentArray = BitmapUtils.bitmapToByteBuffer(bitmap, imageSize, imageSize, IMAGE_MEAN, IMAGE_STD);
MSTensor inTensor = inputs.get(0);
inTensor.setData(contentArray);
```
3. 运行会话，执行计算图。
```java
if (!session.runGraph()) {
Log.e(TAG, "Run graph failed");
return null;
}
```
4. 对输出数据进行处理。
- 通过Tensor获取的输出数据得到其维度，批处理数，通道数等信息。
```java
// 获取输出Tensor
List<String> tensorNames = session.getOutputTensorNames();
Map<String, MSTensor> outputs = session.getOutputMapByTensor();
for (String tensorName : tensorNames) {
MSTensor output = outputs.get(tensorName);
if (output == null) {
Log.e(TAG, "Can not find output " + tensorName);
return null;
}
float[] results = output.getFloatData();
float[] result = new float[output.elementsNum()];
int batch = output.getShape()[0];
int channel = output.getShape()[1];
int weight = output.getShape()[2];
int height = output.getShape()[3];
int plane = weight * height;
```
- 将NCHW格式转为NHWC格式，放入到`float[] result`。
```java
for (int n = 0; n < batch; n++) {
for (int c = 0; c < channel; c++) {
for (int hw = 0; hw < plane; hw++) {
result[n * channel * plane + hw * channel + c] = results[n * channel * plane + c * plane + hw];
}
}
}
```
5. 对输入Tensor按照模型进行推理，进行后处理。
- 将`float[] result`数据转换成ByteBuffer数据格式。
```java
ByteBuffer buffer = ByteBuffer.allocate(4 * result.length);
FloatBuffer floatBuffer = buffer.asFloatBuffer();
floatBuffer.put(result);
return buffer;
```
- 将ByteBuffer数据格式转成Bitmap。
通过推理出来的数据在Bitmap每个像素坐标进行比对。如果坐标数据等于PERSON，坐标点颜色不变。反之，则改成透明色（如下图所示）。
```java
Bitmap.Config conf = Bitmap.Config.ARGB_8888;
Bitmap maskBitmap = Bitmap.createBitmap(imageWidth, imageHeight, conf);
Bitmap scaledBackgroundImage =
BitmapUtils.scaleBitmapAndKeepRatio(backgroundImage, imageWidth, imageHeight);
int[][] mSegmentBits = new int[imageWidth][imageHeight];
inputBuffer.rewind();
for (int y = 0; y < imageHeight; y++) {
for (int x = 0; x < imageWidth; x++) {
float maxVal = 0f;
mSegmentBits[x][y] = 0;
for (int i = 0; i < NUM_CLASSES; i++) {
float value = inputBuffer.getFloat((y * imageWidth * NUM_CLASSES + x * NUM_CLASSES + i) * 4);
if (i == 0 || value > maxVal) {
maxVal = value;
if (i == PERSON) {
mSegmentBits[x][y] = i;
} else {
mSegmentBits[x][y] = 0;
}
}
}
maskBitmap.setPixel(x, y, mSegmentBits[x][y] == 0 ? colors[0] : scaledBackgroundImage.getPixel(x, y));
}
}
```
<table>
<tr>
<td><center><img src="https://gitee.com/mindspore/docs/raw/r1.5/docs/lite/docs/source_zh_cn/images/segmentation6.png"><br>图1 推理前</br></center></td>
<td><center><img src="https://gitee.com/mindspore/docs/raw/r1.5/docs/lite/docs/source_zh_cn/images/segmentation7.png"><br>图2 推理后</br></center></td>
</tr>
</table>
6. 将推理后的图片与选择的背景图片相结合。
```java
MainActivity.this.imgPreview.setDrawingCacheEnabled(true);
MainActivity.this.imgPreview.setBackground(isDemo ? getDrawable(IMAGES[selectedPosition]) : customBack);
MainActivity.this.imgPreview.setImageBitmap(foreground);
MainActivity.this.imgPreview.setDrawingCacheEnabled(false);
```
## 在Android中部署Demo
如果不具备Android Studio等开发环境，我们提供了本示例对应的APK文件，可以扫描下方的二维码或直接下载[APK文件](https://download.mindspore.cn/model_zoo/official/lite/apk/segmentation/image_segmentation.apk)，并部署到Android设备后使用。
如果已经安装了前面所说的运行依赖，可以通过Android Studio编译并运行[图像分割Demo](https://gitee.com/mindspore/models/tree/r1.5/official/lite/image_segmentation)。
运行结果如下图所示（以选取相册某张头像图片为例）。
选取相册带有头像图片。
选择九宫格中不同的背景图片，即可对人像的背景进行替换分割。
<table>
<tr>
<td><center><img src="https://gitee.com/mindspore/docs/raw/r1.5/docs/lite/docs/source_zh_cn/images/segmentation3.png"><br>图1 白色背景</br> </center></td>
<td><center><img src="https://gitee.com/mindspore/docs/raw/r1.5/docs/lite/docs/source_zh_cn/images/segmentation4.png"><br>图2 蓝色背景</br> </center></td>
<td><center><img src="https://gitee.com/mindspore/docs/raw/r1.5/docs/lite/docs/source_zh_cn/images/segmentation5.png"><br>图3 油画背景</br> </center></td>
</tr>
</table>