初遇TensorFlow

TensorFlow简介

TensorFlow是Google开发的一款神经网络的Python外部的结构包, 也是一个采用数据流图来进行数值计算的开源软件库.TensorFlow 让我们可以先绘制计算结构图, 也可以称是一系列可人机交互的计算操作,然后把编辑好的Python文件 转换成 更高效的C++, 并在后端进行计算

优点

• TensorFlow 无可厚非地能被认定为 神经网络中最好用的库之一.它擅长的任务就是训练深度神经网络.通过使用TensorFlow我们就可以快速的入门神经网络, 大大降低了深度学习（也就是深度神经网络）的开发成本和开发难度. TensorFlow 的开源性, 让所有人都能使用并且维护, 巩固它.使它能迅速更新, 提升.
• TensorFlow能够让你直接解决各种机器学习任务。其中在机器学习框架方面，TensorFlow的真正独特之处在于，能够在5行或者10行代码中构建模型。然后应用这个模型，进行扩展做出产品。
• 你能够在几十甚至几百个机器的簇上进行训练。从而用该模型进行非常低的延迟预测。

想要自行设计训练一个全新的模型，对开发人员掌握的基础知识还是很多的，我们需要准备一些机器学习的基本概念

• TensorFlow 的核心是使用C++写的
• 为了构建Android project，我们需要使用JNI调用C++的方法，如locadModel, getPredictions等等。
• 工程中需要使用一个C++ 的编译文件.so和一个包含调用native C++代码的java api jar文件。这样我们就可以在程序中方便地调TensorFlow的Api。
• 我们需要预训练模型和标签文件

我们可以利用现有的开源模型，基于Google的样本数据集来识别相应物体，从 Google 为我们提供的 TensorFlow Demo 开始，先了解一些实际的应用场景。

1.Build so文件和jar文件

• 下载 TensorFlow 源代码

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

注意：–recurse-submodules的目的是为了pull submodules。

• 安装 Bazel
  Bazel 是 Google 开源的构建工具，Bazel 据说是数倍于 maven 的性能，快速的增量构建是它的特色，目前支持 java、cpp、Go 等语言。TensorFlow 项目的构建依赖于它来构建，更多关于 Bazel 的相关内容可以了解Bazel 官网

• 安装完成后验证是否能正常运行

bazel version

• 检查版本更新

brew upgrade bazel

各平台安装 Bazel 按照可参考：Installing Bazel

• 设置 WORKSPACE 中 NDK 和 SDK 的路径配置

  • 修改clone 下来的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)

找到 WORKSPACE 文件中 NDK 和 SDK 的配置部分，反注释掉原有代码后，按照版本要求填写自己本地环境配置。
注意：NDK 版本要设置为 14b ，如果选择 NDK 16 版本编译会出现未知问题！

# Uncomment and update the paths in these entries to build the Android demo.
android_sdk_repository(
     name = "androidsdk",
     api_level = 26,
     # Ensure that you have the build_tools_version below installed in the
     # SDK manager as it updates periodically.
     build_tools_version = "26.0.2",
     # Replace with path to Android SDK on your system
     path = "/Users/baishixian/Library/Android/sdk",
 )
#
android_ndk_repository(
    name="androidndk",
    path="/Users/baishixian/Library/Android/sdk/android-ndk-r14b",
    # This needs to be 14 or higher to compile TensorFlow.
    # Please specify API level to >= 21 to build for 64-bit
    # archtectures or the Android NDK will automatically select biggest
    # API level that it supports without notice.
    # Note that the NDK version is not the API level.
    api_level=25)

• 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

• 编译后文件位置

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

• 编译jar文件

bazel build //tensorflow/contrib/android:android_tensorflow_inference_java

• 编译后文件位置

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

现在我们有了so文件和jar文件，在以下的Android工程中会用到。

2. 下载训练模型和标签文件

这里我们用google的数据就可以，下载地址，下载后解压可以得到imagenet_comp_graph_label_strings.txt(label for objects) and tensorflow_inception_graph.pb (pre-trained model) 两个文件，这两个文件放置在Android工程的Assets中即可。

• 编译运行 example 项目
  找到下载的 tensorflow 目录，其中 tensorflow/tensorflow/examples/android 路径下，是 Google 提供的 example 项目 for Android，我们可以通过编译运行该项目了解在 Android 平台上实现的几个典型的应用场景实力。

• 通过 Android Studio 进行编译
  使用 Android Studio 找到对应的项目目录打开，修改 ndk 的环境配置后，点击编译运行即可。

• 通过命令行进行
  通过命令行进入 tensorflow 目录，也就在 WORKSPACE 所在的项目根目录。

• 1. 编译项目

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

• 2. 安装应用

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

如果要自己构建demo，则需要引用之前生成的jar文件和so文件：

• 引用jar

compile files('libs/libandroid_tensorflow_inference_java.jar')

• 引用so
  新建jniLibs文件，并把libtensorflow_inference.so 文件放置在jniLibs/armeabi-v7a/ 中。
  现在我们就可以在Android中使用TensorFlow了！
  

参考资料

NDK：下载链接
Bazel：下载链接
学习资料：

• http://www.tensorfly.cn/
• https://www.jianshu.com/p/834bf90036c3