? ? hello，大家好，這個(gè)我在簡書的第一篇文章，請(qǐng)多多支持。雖然我本行是做app開發(fā)的， 但待在人工智能部門，不了解一下人工智能相關(guān)的知識(shí)，也說不過去（其實(shí)是不好裝逼，嘿嘿），廢話不多說，我們直奔主題；
1. Tensorflow是什么？
借用百度爸爸的話介紹一下，TensorFlow是谷歌開發(fā)的第二代人工智能學(xué)習(xí)系統(tǒng)，其命名來源于本身的運(yùn)行原理。Tensor（張量）意味著N維數(shù)組，F(xiàn)low（流）意味著基于數(shù)據(jù)流圖的計(jì)算，TensorFlow為張量從流圖的一端流動(dòng)到另一端計(jì)算過程。TensorFlow是將復(fù)雜的數(shù)據(jù)結(jié)構(gòu)傳輸至人工智能神經(jīng)網(wǎng)中進(jìn)行分析和處理過程的系統(tǒng)。
說白了就是機(jī)器學(xué)習(xí)的框架，你可以在其基礎(chǔ)上去寫算法模型，然后訓(xùn)練，優(yōu)化得到更好的算法模型，做出更好的產(chǎn)品；
2.使用Tensorflow
要在Android上使用Tensorflow，要準(zhǔn)備哪些依賴庫呢？下面我來分享下自己的流程
1.TensorFlow 的核心是使用C++寫的，所以需要先下載Android ndk；
2. 獲取tensorflow的源碼：
git clone --recurse-submodules https://github.com/tensorflow/tensorflow.git
代碼下載后，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 ="",#)##android_ndk_repository(#? ? name="androidndk",#? ? path="",#? ? api_level=14)
修改結(jié)果如下（注意設(shè)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 ="D:\Users\linhh\AppData\Local\Android\Sdk",)android_ndk_repository(? name="androidndk",? path="D:\Users\linhh\AppData\Local\Android\Sdk\ndk-bundle",? api_level=14)
3.下載并安裝Bazel：，Bazel是TensorFlow主要的構(gòu)建系統(tǒng)。為后面編譯so和jar包做準(zhǔn)備。我是使用choco install bazel去安裝的，choco沒安裝的同胞可以參考下面的文章參考地址；
4.安裝好Bazel后，可以開干了
首先編譯 so文件：
bazel build -c opt//tensorflow/contrib/android:libtensorflow_inference.so \--crosstool_top=//external:android/crosstool \--host_crosstool_top=[@bazel_tools](http://twitter.com/bazel_tools)//tools/cpp:toolchain \--cpu=armeabi-v7a
編譯后文件位置：
bazel-bin/tensorflow/contrib/android/libtensorflow_inference.so
然后編譯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
這樣Android工程可以使用compile files('libs/libandroid_tensorflow_inference_java.jar')依賴，然后再jniLibs文件夾下創(chuàng)建armeabi-v7a目錄把so文件丟進(jìn)去；
這樣就輕松把tensorflow整合到Android工程里面了，下面來看下它如何發(fā)揮作用。
3.模型的使用
算法模型可以根據(jù)自己興趣去找，我找的是一個(gè)入門級(jí)別的模型,這是一個(gè)識(shí)別圖片中數(shù)字的經(jīng)典問題，我們只需要把(mnist_model_graph.pb,graph_label_strings.txt)這兩個(gè)文件放到工程的assets目錄下，然后就可以利用TensorFlowImageClassifier去使用了：
private static final intINPUT_SIZE=28;
private static finalStringINPUT_NAME="input";
private static finalStringOUTPUT_NAME="output";
private static finalStringMODEL_FILE="file:///android_asset/mnist_model_graph.pb";
private static finalStringLABEL_FILE=
"file:///android_asset/graph_label_strings.txt";
classifier= TensorFlowImageClassifier.create(
getAssets(),
MODEL_FILE,
LABEL_FILE,
INPUT_SIZE,
INPUT_NAME,
OUTPUT_NAME);
4.總結(jié)
總體來說安卓上的應(yīng)用還是比較簡單，算法模型還是核心，下次還是去了解tensorflow的基本應(yīng)用再魯。
