如果我们希望这个数字能到5%，那么我们可以降低app的运行速度，因为在我们的使用场景中并不需要连续地进行图像识别。将识别速度调整到每秒1张，CPU的占用的平均值就下降到了5.5%。

△搭载MobileNet的App在1fps速度下运行时的内存占用和CPU占用情况

总结一下，我们的MobileNet的模型只有Inception的1/30，而运行起来识别图片的速度大概是后者的三倍，同时使用了占用的CPU空间也更少。

相关链接

教程原文：

https://hackernoon.com/building-an-insanely-fast-image-classifier-on-android-with-mobilenets-in-tensorflow-dc3e0c4410d4

下载作者训练好的模型：

https://s3-us-west-1.amazonaws.com/coastline-automation/demo/mobilenet-road-not-road.tar.gz

这里面包括一个.pb模型文件和一个存储标签（“road”，“not road”）的.txt文件。