TensorFlow in Android

首先说明以下，这只是把实践的过程叙述以下。
参考文章:在Android中借助TensorFlow使用机器学习（译）
Android TensorFlow Machine Learning Example（科学上网你懂的

0、前言

环境

系统：Deepin1.4 Beta
java版本：open jdk 1.8
python版本：2.7
上述环境用于构建bazel，bazel是tensorflow的构建系统。
Android SDK：api 15~api 25
Android NDK：android-ndk-r13b-linux-x86_64
而下面的sdk和ndk是生成安卓下的so文件和java的必须的。
我们有so文件和java接口的文件就可以了，有兴趣当然可以去编译以下，感受一下，期间会有很多wram，不过不是error就没事啦。当然编译期间也很占内存，我的8g内存，飙到97%过了很久才下来。

如果你有兴趣，可以下载：

SDK（含NDK）：链接：http://pan.baidu.com/s/1qYdfkxm 密码：fe7d
NDK：链接：http://pan.baidu.com/s/1qYNMr7Y 密码：0tzy
tensorflow github文件（当然你可以去github直接下载）：链接：http://pan.baidu.com/s/1jIQazx8 密码：mxzx
bazel（0.4.4）：链接：http://pan.baidu.com/s/1eSxIuie 密码：ne4l

SDK中的NDK在ndk-bundle文件夹下就是了，不知道的话，在SDK下找找看吧。
bazel源码编译不要直接从github直接clone而是去release页面下载，直接clone会提示你去release下载编译。源码编译bazel我并没试过，因为我用deb安装成功了，就没去折腾了。bazel网盘中有几个从release页面下载的文件。

编写app前你要如下文件：

编译出来的tensorflow的so库
编译出来的java的jar包
tensorflow训练出来的文件
没有自己编译的，可以从这下载so和jar包：链接：https://pan.baidu.com/s/1VSxnHYyUbbFUszvSbTJokA
官方训练完的文件：链接：http://pan.baidu.com/s/1mhPGigg 密码：w4bx
so文件大小：10m左右
jar包大小：10k+
训练完的文件大小：50m+

所以最后安卓demo App的大小是60m+，运行内存是75m+（当然不同手机可能不一样）
总的感受是太大了。但是本地的东西也算可以了，一般的模式都是去服务器访问，再把结果返回的吧。

原作者Example

点Detech Object进行识别，这个模型的原理大概就是从把拍下的图片分类到已知的类别里面去，因为，下载下来的训练文件有个txt文件就是放这些名词。

1、安装bazel

bazel官网：bazel
python和jdk8自己安装，这里不多讲述。
从我上面给出的deb下载下来

sudo dpkg -i '/home/hui/Downloads/bazel_0.4.4-linux-x86_64.deb'

路径直接把文件拉进去。
输入bazel有显示bazel参数选项就安装成功了。

2、编译so和jar包

首先下载tensorflow源码，以供编译：

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

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 = "",#)##android_ndk_repository(#    name="androidndk",#    path="",#    api_level=14)

修改后：

# 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 = "/home/hui/Desktop/Android/android-sdk-linux",)android_ndk_repository(    name="androidndk",    path="/home/hui/Desktop/Android/android-sdk-linux/ndk-bundle",    api_level=15)

这个sdk没有api 14，所以写了最小的15
以下编译命令在tensorflow根目录执行，文件路径是相对于tensorflow根目录而言
编译so：

bazel build -c opt //tensorflow/contrib/android:libtensorflow_inference.so \   --crosstool_top=//external:android/crosstool \   --host_crosstool_top=@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

我编译jar的时候，第一失败了，再用多一次命令就搞定了。
这样就编译出so和jar包了。
当然你也可以从百度云直接下载，跳过2。
windows下试了很多次的安装bazel都是败了，果然有些东西要在linux才是最好的。

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')

jar包放在安卓项目的libs文件夹下。

引用so：
新建jniLibs文件，并把libtensorflow_inference.so 文件放置在jniLibs/armeabi-v7a/ 中。

在安卓项目的main文件夹下创建jniLibs/armeabi-v7a/ ，so放进去。
同时创建不要包含including c++的项目，因为会找不到so路径。所以普通的项目就行了，因为so是通过ndk生成的，直接放进项目就可以用了，不用动态的编译什么的。

5、自己写项目（其实是复制而已）

https://github.com/MindorksOpenSource/AndroidTensorFlowMachineLearningExample
这是原作者的demo
我们也从demo静静的复制就行了。
放入自己编译jar包：

放入jar包

放入自己编译so库文件：

放入so库文件

放入下载训练文件：

导入训练文件

从demo复制两行到String.xml：

    Toggle Camera    Detect Object

复制string标签

复制layout和实现类：

主要代码文件

将框框的4个文件直接从那个AndroidTensorFlowMachineLearningExample复制过来

build.gradle添加：

    compile files('libs/libandroid_tensorflow_inference_java.jar')    compile 'com.flurgle:camerakit:0.9.13'

添加依赖

layout.xml会报错，删除如下：

    android:paddingBottom="@dimen/activity_vertical_margin"    android:paddingLeft="@dimen/activity_horizontal_margin"    android:paddingRight="@dimen/activity_horizontal_margin"    android:paddingTop="@dimen/activity_vertical_margin"

以上4行是设置外边距而已。
编译运行吧。
结果是这样的：

效果如下

的确有点违和感。就这样了。
写了很拖沓，你可以去第一个参考博客看比较清晰明了。