Tensorflow-1-Tensorflow Moblie Android平台编译安装

之前就看到Tensorflow有手机平台的API了,今天终于抽了点时间出来鼓捣一下。

首先是把tensorflow克隆到本地一份。

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

既然是谷歌官方要求的,最好把--recurse-submodules加上,文档说可以避免一些数据结构序列化时的编译问题。

这是android demo的github主页。

准备编译

1.安装bazel

bazel是谷歌自己的构建工具。tensorflow只能部分支持cmake或者gradle,而bazeltensorflow工程的主要构建工具。

点这里下载Bazel。

这里写图片描述

Mac和Linux用户根据文档进行安装。Windows用户,按照官方建议到下面的链接下载demo的二apk文件,目前bazel在windows平台还处于试验阶段。

Windows用户点这里直接下载apk

bazel安装成功与否,用bazel version检查版本即可。

2.下载NDK

点这里下载最新版本NDK。

最好下载r12b版本的,最新的r13b可能与bazel有兼容问题。

下载完成后解压到自定义目录,然后在~/.bash_profilelinux~/.bashrc)下添加环境变量。环境变量的添加过程大家百度一下吧,不是这里的重点。

3.下载>=23 Android SDK

Tensorflow Android Demo必须在大于等于23API环境中编译。可以打开Android Studio中的SDK Manager来安装最新的SDK

4. 编辑Tensorflow根目录下的WORKSPACE文件

回到tensorflow根目录,(当前在android目录就往上两级)。打开WORKSPACE文件。

在文件开头部分找到

# Uncomment and update the paths in these entries to build the Android demo.
#android_sdk_repository(
#    name = "androidsdk",
#    api_level = 23,
#    # Ensure that you have the build_tools_version below installed in the
#    # SDK manager as it updates periodically.
#    build_tools_version = "25.0.2",
#    # Replace with path to Android SDK on your system
#    path = "/path/to/your/sdk",
#)

# Android NDK r12b is recommended (higher may cause issues with Bazel)
#android_ndk_repository(
#    name="androidndk",
#    path="/path/to/your/ndk",
#    # This needs to be 14 or higher to compile TensorFlow.
#    # Note that the NDK version is not the API level.
#    api_level=14)

这两部分定义了SDKNDK的路径,把/path/to/your的部分改成系统相应的路径。然后将每一行前的注释去掉。如下:

# Uncomment and update the paths in these entries to build the Android demo.
android_sdk_repository(
    name = "androidsdk",
    api_level = 23,
    # Ensure that you have the build_tools_version below installed in the
    # SDK manager as it updates periodically.
    build_tools_version = "25.0.2",
    # Replace with path to Android SDK on your system
    path = "/Users/XXX/Library/Android/sdk",
)
#
# Android NDK r12b is recommended (higher may cause issues with Bazel)
android_ndk_repository(
    name="androidndk",
    path="/usr/local/lib/android-ndk-r12b",
    # This needs to be 14 or higher to compile TensorFlow.
    # Note that the NDK version is not the API level.
    api_level=14)

开始编译

tansorflow根目录执行,

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

进行编译,变异过程如下:

这里写图片描述

一切顺利的话,编译成功,如下图:

这里写图片描述

安装APK DEMO

变异成功之后bazel会在bazel-bin目录下面生成apk文件。用数据线连上手机,执行

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

即可安装到手机。

DEMO截图

  1. TF Classify 图片分类的Demo。可以看到tf识别出了台式电脑和显示器。 这里写图片描述
  2. TF Stylize 这个Demo很好玩,不只是将一张图片的风格渲染到摄像头,还能通过调节来综合两张图片的风格。 这里写图片描述 点击左上角的数字按钮,可以从128一直选到720。刚开始以为这个数值跟训练过程中的神经元数量有关。后来想想这些模型应该都是训练好了的,移动平台还没有能力进行这样的训练。看源码得知这个就是最终呈现的图片的尺寸,越高图片越清晰。但是相应的,对手机性能的要求就越高。我在魅族pro 6 plus上测试,选择256之后,就开始卡顿的厉害,720的话,定在一个点上大概5-7秒才能看到渲染之后的图像。

总结

市面上已经有很多运用深度学习的应用的例子。但是大多数都是只能让用户使用已经训练好的模型,而无法让用户自定义。比如我想用我自己喜欢的两张图片作为风格,来渲染视频,而不是图库中已有的。受限于移动平台自身的计算能力,目前还做不到;而把计算放到云端,用户体验又太差(prizma网络不好的时候要等很久,还可能失败…)。

期待用量子计算机来做深度计算哈哈哈~