适用于 Android 的 TensorFlow 示例答案

【问题标题】：Tensorflow example for Android适用于 Android 的 TensorFlow 示例
【发布时间】：2016-11-27 16:28:11
【问题描述】：

Tensorflow 提供了这个 tutorial 作为在 Android 应用上使用 TensorFlow 的示例。

我已成功构建应用程序并在我的设备上启动它。我也读了代码。

但我不知道从这里去哪里！我有一个 tensorflow 代码，可以根据训练数据计算准确性。

如何在我自己的 Android 应用中使用该模型。 tensorflow 描述并没有超出构建指令的范围。

请帮忙！

【问题讨论】：

标签： android python-2.7 machine-learning tensorflow tensorflow-serving

【解决方案1】：

首先，您需要将模型保存到 .pb(protobuf) 文件中。在您的应用程序中，您需要加载此 .pb 文件。你可以通过tf/python/tools freeze_graph.freeze_graph()实现这个目标

您还需要包含所有 c++ 实现的 libtensorflow_inference.so。

最后，您将需要 libandroid_tensorflow_inference_java.jar。

有了这些你就可以写了：

inferenceInterface.initializeTensorFlow(getAssets(), MODEL_FILE);

inferenceInterface.fillNodeFloat(INPUT_NODE, INPUT_SIZE, inputFloats);

inferenceInterface.runInference(new String[] {OUTPUT_NODE});

inferenceInterface.readNodeFloat(OUTPUT_NODE, resu);

这里有一个很棒的教程：https://omid.al/posts/2017-02-20-Tutorial-Build-Your-First-Tensorflow-Android-App.html

应用程序的 GitHub 存储库：https://github.com/omimo/TFDroid

对我来说，这对了解 Android 上 tf 的基础知识很有帮助。

【讨论】：

【解决方案2】：

有一些很好的教程可以指导您完成这些步骤。

假设我们讨论的是图像分类问题，您应该只需要：

使用 strip_unused 工具处理您的 TensorFlow 模型（使其与 Android 演示应用兼容）。
将剥离的 TensorFlow .pb 模型和新标签的 .txt 复制到 Android assets 文件夹中。
再次构建 Android 演示应用。

有关更多信息，请查看this blog post，我在其中写了如何执行此操作。

【讨论】：

【解决方案3】：

构建TensorFlow for Android的完整详细方法

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

注意：--recurse-submodules 对于拉取子模块很重要。

从这里安装 Bazel。 Bazel 是 TensorFlow 的主要构建系统。现在，编辑WORKSPACE，我们可以在之前克隆的TensorFlow的根目录下找到WORKSPACE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)

如下所示，我们的 sdk 和 ndk 路径：

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)

然后构建 .so 文件。

bazel build -c opt //tensorflow/contrib/android:libtensorflow_inference.so \
   --crosstool_top=//external:android/crosstool \
   --host_crosstool_top=@bazel_tools//tools/cpp:toolchain \
   --cpu=armeabi-v7a

用我们想要的目标架构替换 armeabi-v7a。图书馆将位于：

bazel-bin/tensorflow/contrib/android/libtensorflow_inference.so

构建 Java 对应项：

bazel build //tensorflow/contrib/android:android_tensorflow_inference_java

我们可以在以下位置找到 JAR 文件：

bazel-bin/tensorflow/contrib/android/libandroid_tensorflow_inference_java.jar

现在我们有了 jar 和 .so 文件。我已经构建了.so文件和jar，你可以直接从project使用。

将libandroid_tensorflow_inference_java.jar放入libs文件夹，右键添加为库。

compile files('libs/libandroid_tensorflow_inference_java.jar')

在主目录下创建jniLibs文件夹，将libtensorflow_inference.so放到jniLibs/armeabi-v7a/文件夹中。

现在，我们将能够调用 TensorFlow Java API。

TensorFlow Java API 通过 TensorFlowInferenceInterface 类公开了所有必需的方法。

现在，我们必须使用模型路径调用 TensorFlow Java API 并加载它。

我写了一篇完整的博客here。

【讨论】：