网络机器人吧社区

机器学习:如何在安卓上集成TensorFlow

炼数成金订阅号 2018-11-08 14:33:54

我们都知道,谷歌有一个开源库叫做TensorFlow,可被用在安卓系统中实现机器学习。换言之,TensorFlow是谷歌为机器智能提供的一个开源软件库。


我在网络上搜寻了很久,都没有找到在安卓上搭建TensorFlow的简单的方法或实例。仔细查阅许多资料以后,我终于可以搭建它了。于是,我决定把我搭建的过程写出来,这样其他人就不必再浪费时间了。


这篇文章是写给那些熟悉机器学习并且知道怎样为机器学习搭建模型的人的(在这个示例中我会使用一个预训练模型)。近期,我会写一系列关于机器学习的文章,这样每个人都能够学到如何为机器学习搭建模型。


从搭建安卓上的机器学习模型过程讲起

我们需要知道的几个要点:


TensorFlow的核心是用C++编写的;


为了在安卓上搭建TensorFlow,我们需要用JNI(Java本地接口)来调用C++函数,比如说loadModel,getPredictions,等等;


我们会用到.so(shared object,即共享对象)文件,它是C++编译文件;还会用到jar文件,它由能够调用本地C++的Java API组成。之后,我们就可以调用Java API轻松地把事情做好;


所以我们需要jar(Java API)和一个.so(C++编译)文件;


我们必须要有一个预训练模型文件和一个用于分类的标签文件。


我们会做以下的目标检测:

编译jar和.so文件

注意:--recurse-submodules对于提取子模块(pull submodules)很重要。


在这里(https://developer.android.com/ndk/downloads/older_releases.html#ndk-12b-downloads)下载NDK。


下载安卓SDK,或者,我们也可以从Android Studio SDK提供路径。


安装Bazel(https://bazel.build/versions/master/docs/install.html)。Bazel是TensorFlow的主要编译系统。


现在,编辑工作空间(WORKSPACE),我们可以在早先克隆的TesnsorFlow根路径中找到工作空间(WORKSPACE)文件。

现在我们有了jar和.so文件。你也可以从下面的工程中直接提取使用我已经建立好的.so文件和jar。

我已经在这里(https://github.com/MindorksOpenSource/AndroidTensorFlowMachineLearningExample)创建了一个完整可运行的示例应用。


但是,我们需要预训练模型和标签文件。


在这个例子中,我们会使用Google预训练模型,它实现了在一张给定的照片上做目标检测。


解压缩zip文件,我们就会得到imagenet_comp_graph_label.strings.txt(目标标签)以及tensorflow_inception_graph.pb(预训练模型)。


现在,在Android Studio上创建安卓示例工程吧。


将imagenet_comp_graph_label.strings.txt(目标标签)以及tensorflow_inception_graph.pb放进assets文件夹。


将libandroid_tensorflow_inference_java.jar放进lib文件夹,单击右键,添加库。


读者问答

Q:我很疑惑要怎么连接到‘so’库?也没有任何一行像’System.loadLibray’的代码?


A:System.loadLibrary已经写在TensorFlow jar中了。


Q:所以这是一个C++应用还是Java应用啊?你用的是什么语言?


A:这是一个用Java语言编写的安卓应用,它通过Java本地接口(JNI: Java Native Interface)调用C++做预测(机器学习)。


文章来源:智能算法

《深度学习框架Tensorflow学习与应用》基本上是以代码编程为主,也会有少量的深度学习理论内容。通过学习可掌握Tensorflow和Tensorboard的基本使用,可熟练使用Tensorflow做图像识别及做验证码识别,深度理解和掌握Tensorflow在NLP中的使用。 点击下方二维码报名课程



Copyright © 网络机器人吧社区@2017