神刀安全网

在Android中借助TensorFlow使用机器学习(译)

注:最近机器学习很火热,特别是谷歌推出TensorFlow后,推动了机器学习的发展。相比Android、iOS等开发项目,机器学习门槛相对要高一些,需要耐心地学习。在接触真正的机器学习之前,我们先来看一个在Android App中使用机器学习的例子。

原文地址:https://blog.mindorks.com/android-tensorflow-machine-learning-example-ff0e9b2654cc#.i8l12xa39

我们知道谷歌开源了在Android中可以使用机器学习的Library-TensorFlow

我在网上搜索了一下,目前还没有在Android上 build TensorFlow的简单方式或者demo。经过查找资料,我终于build成功,这里分享下经验,为需要的同学节约一些探索的时间。

这篇文章要求读者了解机器学习的概念,并且知道如何建立机器学习的模型(在这个例子中使用了预训练模型)。很快,我会写一系列关于机器学习的文章,可以帮助大家构建机器学习的模型。

1.预备

一些需要知道的重点知识(需要有一点机器学习的概念):

  • 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

demo中我们将要做一个图片识别工具:

在Android中借助TensorFlow使用机器学习(译)

2. Build so文件和jar文件

  • 首先要clone TensorFlow的代码:

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

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

  • 下载NDK:下载地址

  • 下载Bazel:下载地址,Bazel是TensorFlow主要的构建系统。

  • 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)

    修改结果如下(注意设置正确的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)
  • 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。

3. 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。

4. Android demo的构建

其实这里已经有一个完整的demo地址,所以如果仅仅想体验一下机器学习,可以直接clone代码运行即可,代码地址

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,TensorFlow提供的方法主要在TensorFlowInferenceInterface中,使用方法可以参考demo。看下运行效果:

在Android中借助TensorFlow使用机器学习(译)

项目地址

https://github.com/MindorksOpenSource/AndroidTensorFlowMachineLearningExample

推荐阅读:

重要-作为Android开发者必须了解的Gradle知识

编写高效的Android代码(译)

Android-实现Animation everywhere

Android组件化之通信(多模块,多进程)

转载本站任何文章请注明:转载至神刀安全网,谢谢神刀安全网 » 在Android中借助TensorFlow使用机器学习(译)

分享到:更多 ()

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址