【TensorFlow學習】iOS構建TensorFlow Lite

公司最近的項目TensorFlow lite，查找了一些博客,發(fā)現很多都是時間太久了,走了不少彎路,接下來我來總結一下我的整合過程,希望大家可以避免走彎路

準備工作

為編譯TensorFlow Lite的iOS版靜態(tài)庫, 需要用到MacOS上的終端. 如果還沒達標,
那么須先安裝 Xcode 8 or later and the tools using xcode-select:
xcode-select --install
1.第一次安裝麻敌，需要打開Xcode鳖谈，按照提示授權信任.
2.如果你沒有CocoaPods，先安裝它
3.還需要安裝 Homebrew installed.(可以去官網下載)
4.另外兩個必要工具
automake/libtool:

brew install automake
brew install libtool

一.自己生成.a庫憾朴，自己集成頭文件到項目

步驟1.克隆TensorFlow源代碼

1.首先事格，我們將計算機中的GitHub存儲庫克隆到一個文件夾中以獲取演示應用程序。(創(chuàng)建一個文件夾來放置clone 下來的TensorFlow),執(zhí)行代碼

git clone https://github.com/tensorflow/tensorflow

步驟2.下載所需的依賴項

注意
?tips: 對于國內開發(fā)者玄帕，可能直接執(zhí)行腳本，會有兩個依賴包下載失敗或者出現問題導致即便下載依賴包步驟通過塞椎，也會缺失這兩個依賴包桨仿，所以我們直接在文件里做了修改!

文件路徑是tensorflow/lite/tools/make/download_dependencies.sh,打開編輯如下圖修改

EIGEN_URL="$(grep -o 'http.*bitbucket.org/eigen/eigen/get/.*tar\.gz' "${BZL_FILE_PATH}" | grep -v bazel-mirror | head -n1)"
GEMMLOWP_URL="$(grep -o 'https://mirror.bazel.build/github.com/google/gemmlowp/.*zip' "${BZL_FILE_PATH}" | head -n1)"
GOOGLETEST_URL="https://github.com/google/googletest/archive/release-1.8.0.tar.gz"
ABSL_URL="$(grep -o 'https://github.com/abseil/abseil-cpp/.*tar.gz' "${BZL_FILE_PATH}" | head -n1)"
NEON_2_SSE_URL="https://github.com/intel/ARM_NEON_2_x86_SSE/archive/master.zip"
FARMHASH_URL="https://mirror.bazel.build/github.com/google/farmhash/archive/816a4ae622e964763ca0862d9dbd19324a1eaf45.tar.gz"
FLATBUFFERS_URL="https://github.com/google/flatbuffers/archive/master.zip"
# 下面這兩個聯網下載。很有可能下載不下來, 我們就不要用腳本下載了案狠，注釋掉
# MODELS_URL="https://storage.googleapis.com/download.tensorflow.org/models/tflite/mobilenet_v1_1.0_224_ios_lite_float_2017_11_08.zip"
# QUANTIZED_MODELS_URL="https://storage.googleapis.com/download.tensorflow.org/models/tflite/mobilenet_v1_224_android_quant_2017_11_08.zip"

還有下面這塊也需要注釋

download_and_extract "${EIGEN_URL}" "${DOWNLOADS_DIR}/eigen"
download_and_extract "${GEMMLOWP_URL}" "${DOWNLOADS_DIR}/gemmlowp"
download_and_extract "${GOOGLETEST_URL}" "${DOWNLOADS_DIR}/googletest"
download_and_extract "${ABSL_URL}" "${DOWNLOADS_DIR}/absl"
download_and_extract "${NEON_2_SSE_URL}" "${DOWNLOADS_DIR}/neon_2_sse"
download_and_extract "${FARMHASH_URL}" "${DOWNLOADS_DIR}/farmhash"
download_and_extract "${FLATBUFFERS_URL}" "${DOWNLOADS_DIR}/flatbuffers"
# 下面這兩個的意思是下載完依賴包服傍，解壓到的路徑，同理骂铁，也注釋掉
# download_and_extract "${MODELS_URL}" "${DOWNLOADS_DIR}/models"
# download_and_extract "${QUANTIZED_MODELS_URL}" "${DOWNLOADS_DIR}/quantized_models"

現在可以安心下載依賴包(TensorFlow的根目錄下執(zhí)行)

1.這將從Web獲取庫和數據的副本并安裝它們(tensorflow/lite/downloads文件里面)

tensorflow/lite/tools/make/download_dependencies.sh

下載完成downloads里面是7個文件夾(正確應該是9個)吹零，別忘了，上面我們注釋掉了兩個包的下載拉庵，現在需要根據腳本里這兩個的下載鏈接
MODELS_URL灿椅、
QUANTIZED_MODELS_URL，
下載并解壓钞支。下載完成后茫蛹，根據注釋掉的解壓路徑，分別把兩個文件放到對應的路徑下面,缺少的文件夾自己創(chuàng)建
tensorflow/lite/tools/make/downloads/models烁挟、tensorflow/lite/tools/make/downloads/quantized_models
2.設置了所有依賴項后婴洼，您現在可以在iOS上為所有五種支持的體系結構構建庫：

tensorflow/lite/tools/make/build_ios_universal_lib.sh

在引擎蓋下，它使用makefile tensorflow/lite來構建庫的不同版本撼嗓，然后調用將lipo它們捆綁到包含armv7柬采，armv7s欢唾，arm64，i386和x86_64體系結構的通用文件中粉捻。生成的庫在 tensorflow/lite/tools/make/gen/lib/libtensorflow-lite.a
路徑為:tensorflow/tensorflow/lite/tools/make/gen

如果出現錯誤礁遣，例如no such file or directory: 'x86_64'運行時 build_ios_universal_lib.sh：打開Xcode> Preferences> Locations，并確保在“命令行工具”下拉列表中選擇了一個值

在您自己的應用程序中使用

您需要更新應用中的各種設置以鏈接TensorFlow Lite肩刃。您可以在示例項目中查看它們祟霍， tensorflow/lite/examples/ios/simple/simple.xcodeproj但這里是完整的綱要：

您需要將庫添加 tensorflow/lite/gen/lib/libtensorflow-lite.a到鏈接構建階段，并在“搜索路徑”中添加tensorflow/lite/gen/lib“庫搜索路徑”設置树酪。

在頭文件搜索路徑需要包含：
根文件夾浅碾，
tensorflow/lite/downloads
tensorflow/lite/downloads/flatbuffers/include
應通過設置C++ Language Dialect 為GNU++11（或GNU++14）和C++ Standard Libraryto 來啟用C ++ 11支持（或更高版本）libc++。

一. CocoaPods 簡潔方便

步驟1.克隆TensorFlow源代碼

首先续语，我們將計算機中的GitHub存儲庫克隆到一個文件夾中以獲取演示應用程序垂谢。

git clone https://github.com/tensorflow/tensorflow

步驟2.下載所需的依賴項

tensorflow/lite/examples/ios/download_models.sh

運行以下命令安裝TensorFlow Lite pod：

 cd tensorflow/lite/examples/ios/camera
 pod install

如果您之前安裝過此pod并且該命令不起作用，請嘗試

pod repo update

步驟3.構建XCode項目
項目路徑在tensorflow/tensorflow/lite/examples/ios/camera
可以運行該camera 需要
mobilenet_v1_1.0_224.tflite,mobilenet_quant_v1_224.tflite,labels.txt
下載地址是
mobilenet_v1_1.0_224.tflite,
mobilenet_quant_v1_224.tflite,
工程可以跑起來了!
ps:舊版可以在這個路徑下找到models
/tensorflow/contrib/lite/g3doc/models.md