ARM64开发板运行Tensorflow lite图片分类demo

TensorFlow Lite C++ image classification demo

编译环境：docker

编译参考：https://tensorflow.google.cn/lite/guide/build_arm64

一：编译Tensorflowlite

1. 从github上下载tensorflow源码，
   1. 地址：https://github.com/tensorflow/tensorflow
   2. 加速下载：

      pip3 install -i http://mirrors.aliyun.com/pypi/simple/ --upgrade tensorflow

2. 下载tensorflow依赖库

   ./tensorflow/lite/tools/make/download_dependencies.sh

3. 修改编译环境
   1. 修改MakeFile中的交叉编译工具为板子上专用的（我这板子用的是aarch64-linux-gnu-g++通用的arm64交叉编译工具），文件如下
   2. /home/tensorflowlite/tensorflow/tensorflow/lite/tools/make/MakeFile
   3. 或直接修改这里
4. 编译

   ./tensorflow/lite/tools/make/build_aarch64_lib.sh

5. 编译的结果在/home/tensorflowlite/tensorflow/tensorflow/lite/tools/make/gen/linux_aarch64/lib，这里的两个文件在图像分类demo里都要用到。
6. 验证
   1. /home/tensorflowlite/tensorflow/tensorflow/lite/tools/make/gen/linux_aarch64/bin/minimal是集成了最精简的tensorflowlite的示例程序，copy到板子上
   2. 执行./minimal mobilenet_v1_1.0_224.tflite，运行如下图，说明编译正常
   3. 上面的tflite可以从这里下载，存到了/tmp目录下

      curl https://storage.googleapis.com/download.tensorflow.org/models/mobilenet_v1_2018_02_22/mobilenet_v1_1.0_224.tgz | tar xzv -C /tmp
      

 二：编译图像分类demo

1. 示例代码地址如下，有编译的README，本文演示用源码编译https://github.com/tensorflow/tensorflow/tree/master/tensorflow/lite/examples/label_image
2. 将examle/label_image目录中的源码放到自己的工程下（用的是板子的交叉编译工具）
3. 将源码中的bitmap_helpers.cpp（cc被改成了cpp）和label_image.cpp加入makefile中
4. 将源码中的.h头文件和依赖的头文件目录加入makefile中
5. 将libtensorflowlite.a和libbenchmark.a（这个不能少，有依赖文件编译到这里，如delegate_provider、command_line_flags）加入makefile中
6. 直接make，生成labelimage可执行文件，copy到板子上
7. 执行测试指令

   ./labelimage --tflite_model mobilenet_v1_1.0_224.tflite --labels labels.txt --image grace_hopper.bmp

8. 上面的参数部分
   1. tflite模型，下载地址：（看命令，存到了/tmp目录下）

      curl https://storage.googleapis.com/download.tensorflow.org/models/mobilenet_v1_2018_02_22/mobilenet_v1_1.0_224.tgz | tar xzv -C /tmp
      

   2. labels.txt，下载地址：

      curl https://storage.googleapis.com/download.tensorflow.org/models/mobilenet_v1_1.0_224_frozen.tgz  | tar xzv -C /tmp  mobilenet_v1_1.0_224/labels.txt
      

   3. bmp图片，在tensorflow源码的这个位置

      tensorflow/lite/examples/label_image/testdata/grace_hopper.bmp

9. 运行结果：