在Android中借助TensorFlow使用機器學習（譯）

注：最近機器學習很火熱，特別是谷歌推出TensorFlow后，推動了機器學習的發展。相比Android、iOS等開發項目，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。

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

我在網上搜索了一下，目前還沒有在Android上 build TensorFlow的簡單方式或者demo。經過查找資料，我終于build成功，這里分享下經驗，為需要的同學節約一些探索的時間。

這篇文章要求讀者了解機器學習的概念，并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，我會寫一系列關于機器學習的文章，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調用C++的方法，如locadModel, getPredictions等等。
• 工程中需要使用一個C++ 的編譯文件.so和一個包含調用native C++代碼的java api jar文件。這樣我們就可以在程序中方便地調TensorFlow的Api。
• 我們需要預訓練模型和標簽文件

demo中我們將要做一個圖片識別工具：

2. Build so文件和jar文件

• 首先要clone TensorFlow的代碼：

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

  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)

  修改結果如下（注意設置正確的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)

• 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://推ter.com/bazel_tools)//tools/cpp:toolchain \--cpu=armeabi-v7a

  編譯后文件位置：

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

• 編譯jar文件：

  bazel build //tensorflow/contrib/android:android_tensorflow_inference_java

  編譯后文件位置：

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

現在我們有了so文件和jar文件，在以下的Android工程中會用到。

3. 下載訓練模型和標簽文件

這里我們用google的數據就可以， 下載地址 ，下載后解壓可以得到imagenet_comp_graph_label_strings.txt(label for objects) and tensorflow_inception_graph.pb (pre-trained model) 兩個文件，這兩個文件放置在Android工程的Assets中即可。

4. Android demo的構建

其實這里已經有一個完整的demo地址，所以如果僅僅想體驗一下機器學習，可以直接clone代碼運行即可 。

如果要自己構建demo，則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。

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。看下運行效果：

來自：http://www.jianshu.com/p/78f4235655ce