在Android中藉助TensorFlow使用機器學習

注：最近機器學習很火熱，特別是谷歌推出TensorFlow後，推進了機器學習的發展。相比Android、iOS等開發項目，機器學習門檻相對要高一些，須要耐心地學習。在接觸真正的機器學習以前，咱們先來看一個在Android App中使用機器學習的例子。

原文地址：blog.mindorks.com/android-ten…

咱們知道谷歌開源了在Android中可使用機器學習的Library-TensorFlow。

我在網上搜索了一下，目前尚未在Android上 build TensorFlow的簡單方式或者demo。通過查找資料，我終於build成功，這裏分享下經驗，爲須要的同窗節約一些探索的時間。

這篇文章要求讀者瞭解機器學習的概念，而且知道如何創建機器學習的模型（在這個例子中使用了預訓練模型）。很快，我會寫一系列關於機器學習的文章，能夠幫助你們構建機器學習的模型。

1.預備

一些須要知道的重點知識（須要有一點機器學習的概念）：

• TensorFlow 的核心是使用C++寫的
• 爲了構建Android project，咱們須要使用JNI調用C++的方法，如locadModel, getPredictions等等。
• 工程中須要使用一個C++ 的編譯文件.so和一個包含調用native C++代碼的java api jar文件。這樣咱們就能夠在程序中方便地調TensorFlow的Api。
• 咱們須要預訓練模型和標籤文件

demo中咱們將要作一個圖片識別工具：

2. Build so文件和jar文件

• 首先要clone TensorFlow的代碼：

  git clone --recurse-submodules https://github.com/tensorflow/tensorflow.git複製代碼

  注意：--recurse-submodules的目的是爲了pull submodules

• 下載NDK：下載地址

• 下載Bazel：下載地址，Bazel是TensorFlow主要的構建系統。

• 修改clone 下來的TensorFlow中的WROKSPACE文件：

  # 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)複製代碼

  修改結果以下（注意設置正確的SDK和NDK路徑）：

  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)複製代碼

• Build so文件：

  bazel build -c opt //tensorflow/contrib/android:libtensorflow_inference.so \--crosstool_top=//external:android/crosstool \--host_crosstool_top=[@bazel_tools](http://twitter.com/bazel_tools)//tools/cpp:toolchain \--cpu=armeabi-v7a複製代碼

  編譯後文件位置：

  bazel-bin/tensorflow/contrib/android/libtensorflow_inference.so複製代碼

• 編譯jar文件：

  bazel build //tensorflow/contrib/android:android_tensorflow_inference_java複製代碼

  編譯後文件位置：

  bazel-bin/tensorflow/contrib/android/libandroid_tensorflow_inference_java.jar複製代碼

如今咱們有了so文件和jar文件，在如下的Android工程中會用到。

3. 下載訓練模型和標籤文件

這裏咱們用google的數據就能夠，下載地址，下載後解壓能夠獲得imagenet_comp_graph_label_strings.txt(label for objects) and tensorflow_inception_graph.pb (pre-trained model) 兩個文件，這兩個文件放置在Android工程的Assets中便可。

4. Android demo的構建

其實這裏已經有一個完整的demo地址，因此若是僅僅想體驗一下機器學習，能夠直接clone代碼運行便可，代碼地址。

若是要本身構建demo，則須要引用以前生成的jar文件和so文件：

• 引用jar：

  compile files('libs/libandroid_tensorflow_inference_java.jar')複製代碼

• 引用so：
  新建jniLibs文件，並把libtensorflow_inference.so 文件放置在jniLibs/armeabi-v7a/ 中。

如今咱們就能夠在Android中使用TensorFlow了，TensorFlow提供的方法主要在TensorFlowInferenceInterface中，使用方法能夠參考demo。看下運行效果：

項目地址

github.com/MindorksOpe…

歡迎關注公衆號wutongke，天天推送移動開發前沿技術文章：

wutongke

推薦閱讀：

重要-做爲Android開發者必須瞭解的Gradle知識

編寫高效的Android代碼（譯）

Android-實現Animation everywhere

Android組件化之通訊（多模塊，多進程）