本節將上兩節內容合併，討論如何將自己訓練的圖表檢測模型部署到手機並實現實時檢測．
１，打開上次的android studio,將上上一節訓練的圖表檢測模型的.pb文件放到本項目的assets目錄下．命名任意（本例yjf.pb）
２，複製assets目錄下的任意一個.txt文件爲yjf.txt，打開後從第二行開始寫lable（第一行是???不用動，別刪），label的順利和訓練模型時候的標號順序一致．如：
???
table
graph
３，找到DetectorActivity.java文件，找到並修改TF_OD_API_MODEL_FILE 與 TF_OD_API_LABELS_FILE 變量爲自己剛剛修改的yjf.pb和yjf.txt文件（默認前面的file不要動，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 變量是檢測到的目標的置信度，也即是說模型判定的這個框爲該目標的可信程度．該值越高框越準確．如下爲置信度爲0.1和0.6時的框的效果．
至此tensorflow object detect api從數據準備，訓練模型，到安卓平臺部署完成．