安卓部署详细操作；
（1）配置系统环境
（2）下载PaddleLite-dome
（3）下载Android Studio开发环境并配置软件环境
（4）dome调试
（5）根据dome，加入自己的模型，修改配置，实现自己的dome，并调试
（6）将APP打包成可安装程序.apk文件
实现飞桨框架深度学习模型从0到1的全流程。

老师建议安装Anaconda便于对包环境的管理，在Anaconda环境中安装Labelimg（b站有这类教学视频，若还有不明白的地方可评论区解答）
下面讲解安装成功后操作流程
使用Labelimg标注图片文件中会产生一堆xml文件储存标注信息。

1.使用语句将训练完成的模型和参数生成.nb文件用于后续部署

!paddle_lite_opt \ --model_file=inference/ssd_mobilenet_v1_300_120e_voc/model.pdmodel \ --param_file=inference/ssd_mobilenet_v1_300_120e_voc/model.pdiparams \ --optimize_out=./inference/ssd_mobilenet_v1_300_120e_voc \ --optimize_out_type=naive_buffer \ --valid_targets=arm #--valid_targets=npu,arm

2.准备Android Studio开发环境（安装系统为Ubuntu 64-bit，可以通过安装虚拟机进行操作）

虚拟机安装完成后需要准备所需的环境，包括：安装java环境（作者使用的是OpenJDK 8 ）、安装cmake和ninja环境、Android Studio软件安装

3.在自己的PC上下载好Paddle-Lite-Demo项目（下面的代码新开一个终端执行，不要在运行Android Studio的终端上操作），再配置配置SDK和NDK

4.模型拷贝 到PaddleLite-android-demo/object_detection_demo/app/src/main/assets/models目录下，新建ssd_mobv1_mask文件夹，将刚刚生成的.nb文件拷贝到该文佳夹下，并重命名为model.nb,如下图所示。（模型文件我挂载项目的data数据集里了，可先尝试一下）

5.修改项目文件
修改PaddleLite-android-demo/object_detection_demo/app/src/main/res/values/strings.xml中对应的参数
MODEL_DIR_DEFAULT 模型路径
LABEL_PATH_DEFAULT 标签路径
IMAGE_PATH_DEFAULT 项目初始化测试图片路径

6. 准备手机
将手机调为开发者模式，将手机通过USB数据线连接到PC上，点击运行，完成部署。