Building TensorFlow on Android

深碍√TFBOYSˉ_ 2022-06-05 11:40 155阅读 0赞

> 本篇文章翻译自tensorflow官网，会加上自己的一些实操讲解，便于大家快速运行起第一个移动端机器学习的demo。

为了让你在Android上开始使用tensorflow，我们将通过两种方式来构建我们的移动端的Tensorflow例子并将它部署到一个Android设备上。

为什么要选择这些方法之一？

在Android上使用Tensorflow最简单的方法就是使用Android Studio。如果你不打算自定义你的Tensorflow构建，或者如果你想使用Android Studio的编辑器和其他功能去构建一个app并且只是想添加TensorFlow，我们推荐你使用Android Studio。

如果您使用自定义操作，或有其他原因从头开始构建Tensorflow，请向下滚动并查看我们有关使用**Bazel**构建demo的说明。

## 使用Android Studio构建样例 ##

**前提条件**

如果还没有，做以下两件事情：

*  安装[Android Studio][]，按照网址的介绍来操作即可。（注：自行搜索好搭建Android的开发环境）
 *  从Github克隆Tensorflow仓库

> git clone [https://github.com/tensorflow/tensorflow][https_github.com_tensorflow_tensorflow]

![clone tensorflow][]

**构建**

1.打开Android Studio，从欢迎界面，选择**Open an existing Android Studio project**。

![Open an existing Android Studio project][]

2.然后定位到你拉下来的仓库选择**tensorflow/examples/android**目录，点击OK导入到工作区。

> 如果它要求你执行同步Gradle，点击OK。  
> 你可能需要安装各种平台和工具，直接点击安装即可。  
> 注：缺什么就安装什么，保证所有要求的环境都是具备的。

3.打开工程中android模块下的build.gradle文件，找到nativeBuildSystem变量并且设置它为none如果它还没设置。

// set to 'bazel', 'cmake', 'makefile', 'none' def nativeBuildSystem = 'none'

如下图所示：

![nativeBuildSystem][]

4.点击run按钮或者使用`Run-> Run 'android'`从顶部菜单。  
如果它询问你使用**Instant Run**，点击**Proceed Without Instant Run**。  
此外，你需要在设备中启用开发调试选项才能插入Android设备。

## 使用Android Studio将Tensorflow添加到您的应用程序 ##

最简单的方式就是添加以下行到你的Gradle构建文件：

allprojects { repositories { jcenter() }
    }
    
    dependencies { compile 'org.tensorflow:tensorflow-android:+' }

这会自动将Tensorflow的最新稳定版作为AAR下载并安装到您的项目中。

## 使用Bazel构建Demo ##

另外一种方法在Android上使用Tensorflow就是使用**Bazel**构建一个apk并且使用ADB加载它到你的设备当中。这个需要你知道一些构建系统和Android开发者工具的知识，但是我们将在这里指导您完成基础的操作。

*  首先，按照我们的说明[从源码安装][Link 1]。这个会知道你通过**安装Bazel**并且克隆Tensorflow代码。
 *  下载Android SDK和NDK如果你的环境还没有它们。你至少需要NDK的12b版本，SDK的23版本以上。
 *  在Tensorflow源代码，使用您本地的SDK和NDK路径更新WORDSPACE文件，其中包含和。  
    具体如下图所示：

![WORDSPACE][]

*  运行Bazel去构建Demo

bazel build -c opt //tensorflow/examples/android:tensorflow_demo

*  使用ADB去安装apk到你的设备当中

adb install -r bazel-bin/tensorflow/examples/android/tensorflow_demo.apk

这个会在你的设备当中安装三个应用程序，都是Tensorflow演示的一部分。有关更多信息，请参阅Android示例应用程序。

我们来看下安装到手机的效果，如下图所示：

![demo][]

> 注：官网说有三个示例，但笔者运行的时候发现多了一个TF Speech，应该是做语音识别相关的应用，具体大家可以试下。

## Android 示例应用程序 ##

Android示例代码是一个构建和安装三个示例应用程序的单个项目，这个三个示例应用程序都使用相同的基础代码。示例应用程序都从手机摄像头获取视频输入：

*  **TF Classify** 使用Inception v3模型来标记来自Imagenet的类所执行的对象。Imagenet只有1000种类别，它会遗漏大多数日常生活中的物体，并且包含许多现实生活中不可能遇到的东西，所以结果往往会非常有趣。例如，没有“人”的类别，相反，它往往会猜测它通常与人的照片相关的事物，例如安全带或氧气面罩。如果你想自定义此示例来识别你关心的对象，则可以使用[Tensorflow for Poets codelab][]作为示例，以便根据你自己打数据来训练模型。
 *  **TF Detect** 使用多盒模型试图在相机中任务的位置绘制边框。对于每个检测结果，这些框都有可信度的注释。结果可能并不完美，因为这种对象检测仍然是一个活跃的研究课题。Demo还包括光学追踪，当物体在帧之间移动时，会比Tensorflow推断运行更加频繁。这样提高了用户体验，因为明显的帧速率更加快，但是它还能够估计哪些框指向帧之间的相同对象，这对于随着时间的推移计数对象是重要的。
 *  **TF Stylize** 在摄像头上实现实时风格的传输算法。你可以选择使用哪种样式，并使用屏幕底部的调色板在它们之间进行混合，也可以将处理的分辨率切换为更高或更低的rez。

> 注：看翻译会懵，直接运行Demo看下效果就清楚三个示例具体用来干啥的了。

**Android推理库**

由于Android应用程序需要用Java编写，核心Tensorflow是C++编写的，所以Tensorflow有一个JNI来链接两者。它的接口只针对推理，所以它提供了加载图表，设置输入和运行模型来计算特定输出的能力。您可以在[TensorFlowInferenceInterface.java][]中查看最少的一组方法的完整文档。

这些Demo使用了这个接口，因此它们是查找示例用法的好地方。您可以在[ci.tensorflow.org][]下载预先构建的二进制jar文件。

[Android Studio]: https://developer.android.com/studio/index.html
[https_github.com_tensorflow_tensorflow]: https://github.com/tensorflow/tensorflow
[clone tensorflow]: /images/20220605/45d6233ecce548b4beaa35acf735b79b.png
[Open an existing Android Studio project]: /images/20220605/7c2899b3ed754cda9ec670c407aafa84.png
[nativeBuildSystem]: /images/20220605/ee5954f5e051489290b9ca4c1207333f.png
[Link 1]: https://www.tensorflow.org/install/install_sources
[WORDSPACE]: /images/20220605/bff84ccbd5644d2e8645b46819207045.png
[demo]: /images/20220605/fd6206dac59648b3b5995803b6eacc65.png
[Tensorflow for Poets codelab]: https://codelabs.developers.google.com/codelabs/tensorflow-for-poets/index.html#0
[TensorFlowInferenceInterface.java]: https://github.com/tensorflow/tensorflow/blob/r1.4/tensorflow/contrib/android/java/org/tensorflow/contrib/android/TensorFlowInferenceInterface.java
[ci.tensorflow.org]: https://ci.tensorflow.org/view/Nightly/job/nightly-android/