宣告： 本人的第一篇部落格， 描述不清楚請見諒。

畢業設計用到了tensorflow， 最近在看其github庫時發現tf 可以在手機上執行。 官方的連結

於是就按照官方的教程用Bazel 編譯 Tensorflow 環境，並參考這一篇教程， 訓練一個分類自己資料集合的模型（fine tuning Inception net）並把它部署在了安卓手機上。

結果如下：

下面我會介紹下如何實現此操作。

實驗環境

Ubuntu 16.04 LTS   （Win10 也可以，但前提是Bazel 要成功地安裝，並且版本在4.5以上）

Tensorflow 1.0 (此時的tf版本已經更新到了1.2)

安卓手機（魅族）

配置環境

1，安裝Bazel

這個可以參考官方教程。Ubuntu 安裝Bazel 很方便， 但建議先安裝和配置Java

1.1 安裝Java 8  你可以參考這個教程

1.2 以此執行如下命令：

echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add -

sudo apt-get update && sudo apt-get install bazel
 

sudo apt-get upgrade bazel

2， 下載Tensorflow原始碼和 Android studio 以及 Android ndk， 執行官方的demo

2.1 下載tensorflow （事先安裝好git工具，否則 cmd 輸入 sudo apt-get install git ）

cmd下輸入

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

注意用 git checkout  origin/r1.0 切換到版本1.0 （也可以不執行此操作但是有一點不同的地方，在文章末尾指明）

2.2 下載 Android studio 和Android ndk

注意sdk 的版本要在23.0.3以上，最好是24或 25。 （最新的是25.0.3）用Android studio 裡面自帶的 SDK manager 更新下SDK的版本。

ndk 可以到官方網站下載。 以下是下載結果。下載後解壓。

2.3 配置tensorflow程式碼根目錄下的 WORKSPACE檔案

取消註釋，修改你對應的sdk和ndk的版本號以及path

# Uncomment and update the paths in these entries to build the Android demo.
android_sdk_repository(
    name = "androidsdk",
    api_level = 25,
    build_tools_version = "25.0.3",
    # Replace with path to Android SDK on your system
    path = "/home/lxt-bupt/Android/Sdk", #
)
#
android_ndk_repository(
    name="androidndk",
    path="/home/lxt-bupt/Android/android-ndk-r12b",#
    api_level=21)

在編譯之前，先下載和解壓 demo的model檔案（Imagenet dataset訓練出來的）

curl -L https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip -o /tmp/inception5h.zip

curl -L https://storage.googleapis.com/download.tensorflow.org/models/mobile_multibox_v1.zip -o /tmp/mobile_multibox_v1.zip

unzip /tmp/inception5h.zip -d tensorflow/examples/android/assets/

unzip /tmp/mobile_multibox_v1.zip -d tensorflow/examples/android/assets/

然後執行

bazel build -c opt //tensorflow/examples/android:tensorflow_demo

執行時報protocol 的錯誤時，執行 git submodule update --init 命令，重新編譯。

這個編譯時間很長，期間會出現很多的warning 如果成功的話，會得出如下結果。

此時在tensorflow程式碼根目錄/bazel-bin/tensorflow/examples/android下，會有 tensorflow_demo.apk 此時可以把該檔案移動到手機上安裝，

會有3個app 生成如下圖， 這3個app就是tensorflow 官方的demo。分別用於分類，檢測，和更改圖片的風格。

3，用自己的資料finetuning Inception模型。

1，準備自己的資料。

自己的資料集有5個類別, 可樂,雪碧,芬達,農夫山泉,怡寶, 新建立一個data目錄

2,Bazel 編譯retrain 模組

在根目錄下輸入:

bazel build tensorflow/examples/image_retraining:retrain

編譯時間很長,耐心等待, 注意可能要安裝一些Python的依賴庫numpy mock 等等

3, 訓練自己的模型

在tensorflow根目錄下新建model目錄(存放訓練後的模型)和retrain_logs目錄(記錄訓練過程,以便於用tensorboard視覺化),接著輸入如下命令:

note: 還有其他的引數可以選擇,可以看  tensorflow/examples/image_retraining/retrain.py 檔案中有哪些可以選取.

bazel-bin/tensorflow/examples/image_retraining/retrain\
  --bottleneck_dir=./model/bottlenecks \
  --how_many_training_steps 4000 \
  --model_dir=./model/inception \
  --output_graph=./model/retrained_graph.pb \
  --output_labels=./model/retrained_labels.txt \
  --image_dir ./data/ \
  --summaries_dir ./retrain_logs/

訓練完畢後會在model目錄下有retrained_graph.pb (模型) 和 retrain_labels.txt (標籤) 兩個檔案

4,優化和測試模型

必須要進行如下build操作, 在根目錄依次輸入如下Bazel命令: (依然是漫長的等待過程)

bazel build tensorflow/python/tools:optimize_for_inference
bazel build tensorflow/examples/label_image:label_image

4.1 優化模型

在根目錄下輸入如下命令:

bazel-bin/tensorflow/python/tools/optimize_for_inference \
--input=./model/retrained_graph.pb \
--output=./model/optimized_graph.pb \
--input_names=Mul \
--output_names=final_result

4.2用優化後的模型測試圖片

取一張可樂的圖片放到model目錄下測試,輸入如下命令: 你也可以測試其他的圖片:)

bazel-bin/tensorflow/examples/label_image/label_image \
--output_layer=final_result \
--labels=./model/retrained_labels.txt \
--image=./model/img28.jpg \
--graph=./model/optimized_graph.pb

結果如下圖:

4.3 修改相關的java檔案, /tensorflow/tensorflow/examples/android/src/org/tensorflow/demo 目錄下的ClassifierActivity.java檔案

修改相關行

按照下圖去每個值的大小:

並把上述兩個檔案移(optimized_graph.pb 和 retrained_labels.txt)動到 /tensorflow/tensorflow/examples/android/assets 目錄下

5,部署模型到安卓手機

5.1 重新編譯Android 環境

根目錄輸入:

bazel build -c opt //tensorflow/examples/android:tensorflow_demo

5.2 把新的apk檔案放到安卓手機上安裝,最後執行tf_classify ,效果如下圖

所以只要有自己的資料,就可以打造屬於自己的分類器 : )