本节将上两节内容合并，讨论如何将自己训练的图表检测模型部署到手机并实现实时检测．
１，打开上次的android studio,将上上一节训练的图表检测模型的.pb文件放到本项目的assets目录下．命名任意（本例yjf.pb）
２，复制assets目录下的任意一个.txt文件为yjf.txt，打开后从第二行开始写lable（第一行是???不用动，别删），label的顺利和训练模型时候的标号顺序一致．如：
???
table
graph
３，找到DetectorActivity.java文件，找到并修改TF_OD_API_MODEL_FILE 与 TF_OD_API_LABELS_FILE 变量为自己刚刚修改的yjf.pb和yjf.txt文件（默认前面的file不要动，直接把它的.pb或者.txt的名字改成自己的就行）
４，DetectorActivity.java中MINIMUM_CONFIDENCE_TF_OD_API 变量是检测到的目标的置信度，也即是说模型判定的这个框为该目标的可信程度．该值越高框越准确．如下为置信度为0.1和0.6时的框的效果．
至此tensorflow object detect api从数据准备，训练模型，到安卓平台部署完成．