# Android-Ai

**Repository Path**: qianjianfeng/android-ai

## Basic Information

- **Project Name**: Android-Ai
- **Description**: 一个在Android设备上运行的小型AI语言模型训练和推理应用。该项目实现了完整的神经网络架构，支持在移动设备上进行模型训练和文本生成。
- **Primary Language**: Android
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-08-19
- **Last Updated**: 2025-08-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AndroidAI - 移动端AI语言模型

一个在Android设备上运行的小型AI语言模型训练和推理应用。该项目实现了完整的神经网络架构，支持在移动设备上进行模型训练和文本生成。

## 🚀 主要特性

### 核心功能
- **📱 移动端优化**: 专为Android设备设计，支持低内存和有限计算资源环境
- **🧠 完整神经网络**: 实现了嵌入层、LSTM层和全连接层的完整架构
- **🎯 实时训练**: 支持在设备上进行模型训练，无需云端服务
- **💬 文本生成**: 基于训练的模型生成连贯的文本内容
- **💾 模型管理**: 支持模型的保存、加载和版本管理

### 技术特性
- **🔧 自适应配置**: 根据设备性能自动调整模型参数
- **📊 性能监控**: 实时监控内存使用和训练进度
- **🗜️ 数据压缩**: 支持模型文件压缩存储
- **🔄 备份恢复**: 自动创建模型备份，防止数据丢失
- **📱 现代UI**: 使用Jetpack Compose构建的现代化用户界面

## 🏗️ 项目架构

### 模型架构
```
输入文本 → 分词处理 → 嵌入层 → LSTM层(多层) → 全连接层 → 输出概率
```

### 主要组件
- **TextProcessor**: 文本预处理和词汇表管理
- **LanguageModel**: 核心神经网络模型
- **NeuralLayers**: 神经网络层实现（嵌入层、LSTM层、全连接层）
- **PerformanceOptimizer**: 性能优化和内存管理
- **FileManager**: 文件管理和模型持久化

## 📱 界面功能

### 1. 模型训练页面
- 训练数据输入
- 示例数据加载
- 训练进度监控
- 实时日志显示
- 训练控制（开始/停止）

### 2. 文本生成页面
- 提示文本输入
- 生成参数调节
- 实时文本生成
- 结果展示

### 3. 模型状态页面
- 模型状态监控
- 性能指标显示
- 模型保存/加载
- 系统信息查看

## 🛠️ 技术栈

- **开发语言**: Kotlin
- **UI框架**: Jetpack Compose
- **架构模式**: MVVM
- **异步处理**: Kotlin Coroutines
- **数据序列化**: Gson
- **机器学习**: 自实现神经网络

## 📋 系统要求

- **最低Android版本**: Android 7.0 (API 24)
- **推荐内存**: 3GB RAM或以上
- **存储空间**: 至少100MB可用空间
- **处理器**: 4核心或以上推荐

## 🚀 快速开始

### 1. 克隆项目
```bash
git clone https://github.com/your-username/AndroidAI.git
cd AndroidAI
```

### 2. 在Android Studio中打开项目
- 打开Android Studio
- 选择 "Open an existing project"
- 选择项目目录

### 3. 构建和运行
- 等待Gradle同步完成
- 连接Android设备或启动模拟器
- 点击运行按钮

### 4. 开始使用
1. **加载示例数据**: 在训练页面点击"示例数据"按钮
2. **开始训练**: 点击"开始训练"按钮，等待训练完成
3. **生成文本**: 切换到文本生成页面，输入提示文本并生成

## 📖 使用指南

### 训练自定义模型

1. **准备训练数据**
   - 准备中文或英文文本数据
   - 每行一个句子，用标点符号分隔
   - 建议至少100个句子以获得较好效果

2. **配置训练参数**
   - 应用会根据设备性能自动调整参数
   - 低端设备会使用较小的模型配置
   - 高端设备可以使用更复杂的模型

3. **监控训练过程**
   - 观察训练进度和损失值
   - 训练完成后模型会自动保存

### 生成文本

1. **输入提示文本**
   - 输入几个词作为生成的起始
   - 模型会基于训练数据生成后续内容

2. **调整生成参数**
   - 温度参数控制生成的随机性
   - 较低温度生成更保守的文本
   - 较高温度生成更有创意的文本

## ⚡ 性能优化

### 自动优化特性
- **内存管理**: 自动监控内存使用，防止OOM
- **设备适配**: 根据设备性能调整模型大小
- **批次优化**: 动态调整训练批次大小
- **垃圾回收**: 智能内存清理

### 手动优化建议
- 关闭其他应用释放内存
- 使用较小的词汇表大小
- 减少LSTM层数
- 降低嵌入维度

## 🔧 配置选项

### 模型配置
```kotlin
ModelConfig(
    vocabSize = 1000,        // 词汇表大小
    embeddingDim = 128,      // 嵌入维度
    hiddenDim = 256,         // 隐藏层维度
    numLayers = 2,           // LSTM层数
    maxSequenceLength = 100, // 最大序列长度
    dropoutRate = 0.1f,      // Dropout率
    learningRate = 0.001f,   // 学习率
    batchSize = 16,          // 批次大小
    epochs = 5               // 训练轮数
)
```

## 📊 性能指标

### 典型性能表现
- **训练时间**: 100句子约需2-5分钟（取决于设备）
- **内存使用**: 通常在200-500MB之间
- **模型大小**: 压缩后约1-10MB
- **生成速度**: 每秒约5-20个词

## 🐛 故障排除

### 常见问题

**Q: 训练过程中应用崩溃**
A: 可能是内存不足，尝试：
- 减少批次大小
- 使用更小的模型配置
- 关闭其他应用

**Q: 生成的文本质量不好**
A: 可能需要：
- 增加训练数据量
- 延长训练时间
- 检查训练数据质量

**Q: 训练速度很慢**
A: 可以尝试：
- 减少模型复杂度
- 使用更小的词汇表
- 在高性能设备上训练

## 🤝 贡献指南

欢迎提交Issue和Pull Request！

1. Fork项目
2. 创建特性分支
3. 提交更改
4. 推送到分支
5. 创建Pull Request

## 📄 许可证

本项目采用MIT许可证 - 查看[LICENSE](LICENSE)文件了解详情。

## 🙏 致谢

- 感谢Android开发社区的支持
- 感谢Jetpack Compose团队提供的优秀UI框架
- 感谢所有贡献者和测试用户

## 📞 联系方式

如有问题或建议，请通过以下方式联系：
- 提交GitHub Issue
- 发送邮件至：[your-email@example.com]

---

**注意**: 这是一个教育和研究项目，生成的模型可能不如商业级AI模型效果好。建议用于学习和实验目的。