在Android中借助TensorFlow使用机器学习(译)

RudGcb 7年前
   <p>注:最近机器学习很火热,特别是谷歌推出TensorFlow后,推动了机器学习的发展。相比Android、iOS等开发项目,机器学习门槛相对要高一些,需要耐心地学习。在接触真正的机器学习之前,我们先来看一个在Android App中使用机器学习的例子。</p>    <p>我们知道谷歌开源了在Android中可以使用机器学习的Library- TensorFlow 。</p>    <p>我在网上搜索了一下,目前还没有在Android上 build TensorFlow的简单方式或者demo。经过查找资料,我终于build成功,这里分享下经验,为需要的同学节约一些探索的时间。</p>    <p>这篇文章要求读者了解机器学习的概念,并且知道如何建立机器学习的模型(在这个例子中使用了预训练模型)。很快,我会写一系列关于机器学习的文章,可以帮助大家构建机器学习的模型。</p>    <h2>1.预备</h2>    <p>一些需要知道的重点知识(需要有一点机器学习的概念):</p>    <ul>     <li>TensorFlow 的核心是使用C++写的</li>     <li>为了构建Android project,我们需要使用JNI调用C++的方法,如locadModel, getPredictions等等。</li>     <li>工程中需要使用一个C++ 的编译文件.so和一个包含调用native C++代码的java api jar文件。这样我们就可以在程序中方便地调TensorFlow的Api。</li>     <li>我们需要预训练模型和标签文件</li>    </ul>    <p>demo中我们将要做一个图片识别工具:</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/23ed44290759db5af4862b68700a3c22.png"></p>    <h3>2. Build so文件和jar文件</h3>    <ul>     <li> <p>首先要clone TensorFlow的代码:</p> <pre>  <code class="language-java">git clone --recurse-submodules https://github.com/tensorflow/tensorflow.git</code></pre> <p>注意:--recurse-submodules的目的是为了pull submodules</p> </li>     <li> <p>下载NDK: <a href="/misc/goto?guid=4959741143253472719" rel="nofollow,noindex">下载地址</a></p> </li>     <li> <p>下载Bazel: <a href="/misc/goto?guid=4959741143351867312" rel="nofollow,noindex">下载地址</a> ,Bazel是TensorFlow主要的构建系统。</p> </li>     <li> <p>修改clone 下来的TensorFlow中的WROKSPACE文件:</p> <pre>  <code class="language-java"># Uncomment and update the paths in these entries to build the Android demo.  #android_sdk_repository(  #    name = "androidsdk",  #    api_level = 23,  #    build_tools_version = "25.0.1",  #    # Replace with path to Android SDK on your system  #    path = "<PATH_TO_SDK>",  #)  #  #android_ndk_repository(  #    name="androidndk",  #    path="<PATH_TO_NDK>",  #    api_level=14)</code></pre> <p>修改结果如下(注意设置正确的SDK和NDK路径):</p> <pre>  <code class="language-java">android_sdk_repository(    name = "androidsdk",    api_level = 23,    build_tools_version = "25.0.1",    # Replace with path to Android SDK on your system    path = "/Users/amitshekhar/Library/Android/sdk/",  )  android_ndk_repository(    name="androidndk",    path="/Users/amitshekhar/Downloads/android-ndk-r13/",    api_level=14)</code></pre> </li>     <li>Build so文件: <pre>  <code class="language-java">bazel build -c opt //tensorflow/contrib/android:libtensorflow_inference.so \--crosstool_top=//external:android/crosstool \--host_crosstool_top=[@bazel_tools](http://推ter.com/bazel_tools)//tools/cpp:toolchain \--cpu=armeabi-v7a</code></pre> 编译后文件位置: <pre>  <code class="language-java">bazel-bin/tensorflow/contrib/android/libtensorflow_inference.so</code></pre> </li>     <li>编译jar文件: <pre>  <code class="language-java">bazel build //tensorflow/contrib/android:android_tensorflow_inference_java</code></pre> 编译后文件位置: <pre>  <code class="language-java">bazel-bin/tensorflow/contrib/android/libandroid_tensorflow_inference_java.jar</code></pre> </li>    </ul>    <p>现在我们有了so文件和jar文件,在以下的Android工程中会用到。</p>    <h3>3. 下载训练模型和标签文件</h3>    <p>这里我们用google的数据就可以, <a href="/misc/goto?guid=4959741143429228737" rel="nofollow,noindex">下载地址</a> ,下载后解压可以得到imagenet_comp_graph_label_strings.txt(label for objects) and tensorflow_inception_graph.pb (pre-trained model) 两个文件,这两个文件放置在Android工程的Assets中即可。</p>    <h3>4. Android demo的构建</h3>    <p>其实这里已经有一个完整的demo地址,所以如果仅仅想体验一下机器学习,可以直接clone代码运行即可 。</p>    <p>如果要自己构建demo,则需要引用之前生成的jar文件和so文件:</p>    <ul>     <li>引用jar: <pre>  <code class="language-java">compile files('libs/libandroid_tensorflow_inference_java.jar')</code></pre> </li>     <li>引用so:<br> 新建jniLibs文件,并把libtensorflow_inference.so 文件放置在jniLibs/armeabi-v7a/ 中。</li>    </ul>    <p>现在我们就可以在Android中使用TensorFlow了,TensorFlow提供的方法主要在 TensorFlowInferenceInterface 中,使用方法可以参考demo。看下运行效果:</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/becc6e8c9b7e0ac3dea67d15bc1b1988.png"></p>    <h3> </h3>    <p> </p>    <p>来自:http://www.jianshu.com/p/78f4235655ce</p>    <p> </p>