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，推動了機器學習的發展。相比Android、iOS等開發專案，機器學習門檻相對要高一些，需要耐心地學習。在接觸真正的機器學習之前，我們先來看一個在Android App中使用機器學習的例子。

原文地址：blog.mindorks.com/android-ten…

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

我在網上搜尋了一下，目前還沒有在Android上 build TensorFlow的簡單方式或者demo。經過查詢資料，我終於build成功，這裡分享下經驗，為需要的同學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，並且知道如何建立機器學習的模型（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，可以幫助大家構建機器學習的模型。

1.預備

一些需要知道的重點知識（需要有一點機器學習的概念）：

TensorFlow 的核心是使用C++寫的
為了構建Android project，我們需要使用JNI呼叫C++的方法，如locadModel, getPredictions等等。
工程中需要使用一個C++ 的編譯檔案.so和一個包含呼叫native C++程式碼的java api jar檔案。這樣我們就可以在程式中方便地調TensorFlow的Api。
我們需要預訓練模型和標籤檔案

demo中我們將要做一個圖片識別工具：

2. Build so檔案和jar檔案

首先要clone TensorFlow的程式碼：
```
git clone --recurse-submodules https://github.com/tensorflow/tensorflow.git複製程式碼
```
注意：--recurse-submodules的目的是為了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檔案：

# 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)複製程式碼

修改結果如下（注意設定正確的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)複製程式碼

Build so檔案：

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複製程式碼

編譯後檔案位置：

bazel-bin/tensorflow/contrib/android/libtensorflow_inference.so複製程式碼

編譯jar檔案：

bazel build //tensorflow/contrib/android:android_tensorflow_inference_java複製程式碼

編譯後檔案位置：

bazel-bin/tensorflow/contrib/android/libandroid_tensorflow_inference_java.jar複製程式碼

現在我們有了so檔案和jar檔案，在以下的Android工程中會用到。

3. 下載訓練模型和標籤檔案

這裡我們用google的資料就可以，下載地址，下載後解壓可以得到imagenet_comp_graph_label_strings.txt(label for objects) and tensorflow_inception_graph.pb (pre-trained model) 兩個檔案，這兩個檔案放置在Android工程的Assets中即可。

4. Android demo的構建

其實這裡已經有一個完整的demo地址，所以如果僅僅想體驗一下機器學習，可以直接clone程式碼執行即可，程式碼地址。

如果要自己構建demo，則需要引用之前生成的jar檔案和so檔案：

引用jar：

compile files('libs/libandroid_tensorflow_inference_java.jar')複製程式碼

引用so：
新建jniLibs檔案，並把libtensorflow_inference.so 檔案放置在jniLibs/armeabi-v7a/ 中。

現在我們就可以在Android中使用TensorFlow了，TensorFlow提供的方法主要在TensorFlowInferenceInterface中，使用方法可以參考demo。看下執行效果：

專案地址

github.com/MindorksOpe…

歡迎關注公眾號wutongke，每天推送移動開發前沿技術文章：