移动端机器学习框架TensorFlow Lite简介与实践

TensorFlow Lite

TensorFlow Lite简介

TensorFlowLite是Google在2017年5月推出的轻量级机器学习解决方案，主要针对移动端设备和嵌入式设备。针对移动端设备特点，TensorFlow Lite使用了诸多技术对内核进行了定制优化，预熔激活，量子化内核。TensorFlow Lite具有以下特征：

1. 跨平台，核心代码由C++编写，可以运行在不同平台上；
2. 轻量级，代码体积小，模型文件小，运行内存低；
3. 支持硬件加速。

TensorFlow Lite架构

在server端完成模型的训练。通过TensorFlow Lite Converter转化成可以在手机端运行的.tflite格式的模型。TensorFlow Lite可以接入Android底层的神经网络的API从而进行硬件加速。另外TensorFlow团队宣布，已经与Apple达成合作，可以将TensorFlow平台训练出来的模型转化成可被Apple深度学习框架CoreML所解释运行的格式.mlmodel。这样一来开发者就有了更多的选择。他们既可以选择直接使用Google原生的tflite模型，也可以通过转化工具对接Apple的CoreML框架，更高效发挥Apple的硬件性能。 CoreML的转化工具可以从https://github.com/tf-coreml/tf-corem去下载。

TensorFlow Lite Demo

TensorFlow Lite提供了iOS和Android两个平台的Demo App。 这里以iOS平台为例，按照TensorFlow Lite提供的Tutorial完成配置。

首先安装xcode的工具链：

xcode-select --install

安装automake和libtool：

brew install automake

brew install libtool

运行脚本。脚本的作用是下载相关依赖。主要下载Ten