【TensorFlow学习】iOS构建TensorFlow Lite

公司最近的项目TensorFlow lite，查找了一些博客,发现很多都是时间太久了,走了不少弯路,接下来我来总结一下我的整合过程,希望大家可以避免走弯路

准备工作

为编译TensorFlow Lite的iOS版静态库, 需要用到MacOS上的终端. 如果还没达标,
那么须先安装 Xcode 8 or later and the tools using xcode-select:
xcode-select --install
1.第一次安装，需要打开Xcode，按照提示授权信任.
2.如果你没有CocoaPods，先安装它
3.还需要安装 Homebrew installed.(可以去官网下载)
4.另外两个必要工具
automake/libtool:

brew install automake
brew install libtool

一.自己生成.a库，自己集成头文件到项目

步骤1.克隆TensorFlow源代码

1.首先，我们将计算机中的GitHub存储库克隆到一个文件夹中以获取演示应用程序。(创建一个文件夹来放置clone 下来的TensorFlow),执行代码

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

步骤2.下载所需的依赖项

注意
•tips: 对于国内开发者，可能直接执行脚本，会有两个依赖包下载失败或者出现问题导致即便下载依赖包步骤通过，也会缺失这两个依赖包，所以我们直接在文件里做了修改!

文件路径是tensorflow/lite/tools/make/download_dependencies.sh,打开编辑如下图修改

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"
# 下面这两个联网下载。很有可能下载不下来, 我们就不要用脚本下载了，注释掉
# 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"

还有下面这块也需要注释

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"
# 下面这两个的意思是下载完依赖包，解压到的路径，同理，也注释掉
# download_and_extract "${MODELS_URL}" "${DOWNLOADS_DIR}/models"
# download_and_extract "${QUANTIZED_MODELS_URL}" "${DOWNLOADS_DIR}/quantized_models"

现在可以安心下载依赖包(TensorFlow的根目录下执行)

1.这将从Web获取库和数据的副本并安装它们(tensorflow/lite/downloads文件里面)

tensorflow/lite/tools/make/download_dependencies.sh

下载完成downloads里面是7个文件夹(正确应该是9个)，别忘了，上面我们注释掉了两个包的下载，现在需要根据脚本里这两个的下载链接
MODELS_URL、
QUANTIZED_MODELS_URL，
下载并解压。下载完成后，根据注释掉的解压路径，分别把两个文件放到对应的路径下面,缺少的文件夹自己创建
tensorflow/lite/tools/make/downloads/models、tensorflow/lite/tools/make/downloads/quantized_models
2.设置了所有依赖项后，您现在可以在iOS上为所有五种支持的体系结构构建库：

tensorflow/lite/tools/make/build_ios_universal_lib.sh

在引擎盖下，它使用makefile tensorflow/lite来构建库的不同版本，然后调用将lipo它们捆绑到包含armv7，armv7s，arm64，i386和x86_64体系结构的通用文件中。生成的库在 tensorflow/lite/tools/make/gen/lib/libtensorflow-lite.a
路径为:tensorflow/tensorflow/lite/tools/make/gen

如果出现错误，例如no such file or directory: 'x86_64'运行时 build_ios_universal_lib.sh：打开Xcode> Preferences> Locations，并确保在“命令行工具”下拉列表中选择了一个值

在您自己的应用程序中使用

您需要更新应用中的各种设置以链接TensorFlow Lite。您可以在示例项目中查看它们， tensorflow/lite/examples/ios/simple/simple.xcodeproj但这里是完整的纲要：

您需要将库添加 tensorflow/lite/gen/lib/libtensorflow-lite.a到链接构建阶段，并在“搜索路径”中添加tensorflow/lite/gen/lib“库搜索路径”设置。

在头文件搜索路径需要包含：
根文件夹，
tensorflow/lite/downloads
tensorflow/lite/downloads/flatbuffers/include
应通过设置C++ Language Dialect 为GNU++11（或GNU++14）和C++ Standard Libraryto 来启用C ++ 11支持（或更高版本）libc++。

一. CocoaPods 简洁方便

步骤1.克隆TensorFlow源代码

首先，我们将计算机中的GitHub存储库克隆到一个文件夹中以获取演示应用程序。

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

步骤2.下载所需的依赖项

tensorflow/lite/examples/ios/download_models.sh

运行以下命令安装TensorFlow Lite pod：

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

如果您之前安装过此pod并且该命令不起作用，请尝试

pod repo update

步骤3.构建XCode项目
项目路径在tensorflow/tensorflow/lite/examples/ios/camera
可以运行该camera 需要
mobilenet_v1_1.0_224.tflite,mobilenet_quant_v1_224.tflite,labels.txt
下载地址是
mobilenet_v1_1.0_224.tflite,
mobilenet_quant_v1_224.tflite,
工程可以跑起来了!
ps:旧版可以在这个路径下找到models
/tensorflow/contrib/lite/g3doc/models.md