TensorFlow，Android Studio和Bazel：建立新项目

Question

我正在尝试在Android移动应用中使用TensorFlow推断模型。 首先，我已经构建并测试了TensorFlow图； 它保存为protobuf文件。 接下来，我进行了工具链设置，并构建并运行了Inception Android演示 。 我的下一步是按照Android 教程在Android Studio（启用C ++）中创建一个新的Android项目。 我已经创建了JNI Hello World应用，它可以在Nexus上编译并运行。 但是，当我尝试导入“ org.tensorflow”时，我无法让Android Studio（AS）识别它。 所以，我的主要问题是：如何将TensorFlow引入我的演示应用程序。
例如，我创建了一个简单的类开头：

package com.foobar.tfdemo; 

import org.tensorflow.contrib.android.TensorFlowInferenceInterface;

public class TensorFlowClassifier implements Classifier {
// do something
}

但是Android Studio无法解析org.tensorflow 。 可能的选项：1）修改build.gradle以将TF编译到项目中（使用Bazel）2）从外部编译TF库（.so）并将其导入，或3）使用CMakeList.txt导入TF库

详细：

选项1）修改build.gradle 。
我将Inception build.gradle用作模型，并复制了大部分模型。 即使没有其他错误，相同的import org.tensorflow仍然无法解决。 这是build.gradle文件：

apply plugin: 'com.android.application'
def bazel_location = '/usr/local/bin/bazel'
def cpuType = 'armeabi-v7a'
def nativeDir = 'libs/' + cpuType

android {
    compileSdkVersion 24
    buildToolsVersion "25.0.2"
    defaultConfig {
        applicationId "com.algoint.tfdemo"
        minSdkVersion 23
        targetSdkVersion 24
        versionCode 1
        versionName "1.0"
        testInstrumentationRunner "android.support.test.runner.AndroidJUnitRunner"

        externalNativeBuild {
            cmake {
                cppFlags ""
            }
        }
    }
    buildTypes {
        release {
            minifyEnabled false
            proguardFiles getDefaultProguardFile('proguard-android.txt'), 'proguard-rules.pro'
        }
    }
    externalNativeBuild {
        cmake {
            path "CMakeLists.txt"
        }
    }
}

dependencies {
    compile fileTree(include: ['*.jar'], dir: 'libs')
    androidTestCompile('com.android.support.test.espresso:espresso-core:2.2.2', {
        exclude group: 'com.android.support', module: 'support-annotations'
    })
    compile 'com.android.support:appcompat-v7:24.2.1'
    testCompile 'junit:junit:4.12'
}

task buildNative(type:Exec) {
    workingDir '../../..'
    commandLine bazel_location, 'build', '-c', 'opt', \
      'tensorflow/examples/android:tensorflow_native_libs', \
       '--crosstool_top=//external:android/crosstool', \
       '--cpu=' + cpuType, \
       '--host_crosstool_top=@bazel_tools//tools/cpp:toolchain'
}

task copyNativeLibs(type: Copy) {
    from('../../../bazel-bin/tensorflow/examples/android') { include '**/*.so' }
    into nativeDir
    duplicatesStrategy = 'include'
}

copyNativeLibs.dependsOn buildNative
assemble.dependsOn copyNativeLibs
tasks.whenTaskAdded { task ->
    if (task.name == 'assembleDebug') {
        task.dependsOn 'copyNativelibs'
    }
}

选项2：导入一个tensorflow库（.so）文件。
我在这个上花了很多时间。 我在命令行使用Bazel生成了libtensorflow_demo.so ：

bazel build //tensorflow/examples/android:tensorflow_native_libs --crosstool_top=//external:android/crosstool --cpu=$CPU --host_crosstool_top=@bazel_tools//tools/cpp:toolchain

并将其放在〜project / libs和〜project / src / app / src / main / jniLibs中。 但是我似乎无济于事。

选项3：使用CMakeList.txt编译tensorflow。
我没有花很多时间在这上面。 我认为CMakeList.txt无法调用Bazel或导入.so文件。 我认为它需要一个.a文件来代替。

那么，其他人如何将Tensorflow纳入Android项目呢？ 最好的祝福。

Answer 1

看看这个： https : //github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/android/cmake

并且在debugCompile和releaseCompile代替tensorflow_inference使用TensorFlow-Android-Inference 。

这对我有用。

Answer 2

最近，将预训练的TensorFlow模型嵌入到Android应用程序变得容易得多。 在这里查看我的博客文章：
https://medium.com/@daj/using-a-pre-trained-tensorflow-model-on-android-e747831a3d6 （第1部分） https://medium.com/@daj/using-a-pre-trained -tensorflow-model-on-android-part-2-153ebdd4c465 （第2部分）

我的博客文章更加详细，但是总的来说，您需要做的是：

1. 在org.tensorflow:tensorflow-android:+包括编译org.tensorflow:tensorflow-android:+依赖项。
2. 使用Java TensorFlowInferenceInterface类与模型进行交互（无需修改任何本机代码）。

仅供参考，TensorFlow Android演示应用程序已更新为使用此新方法。 请参阅TensorFlowImageClassifier.recognizeImage以了解使用TensorFlowInferenceInterface 。

您仍然需要指定一些配置，例如图中的输入和输出节点的名称以及输入的大小，但是由于您构建了自己的TensorFlow图，您可能知道此信息。 :-)