在安卓上构建 TensorFlow

为了让你开始在安卓中使用 TensorFlow，我们将浏览两种方法来构建我们的 TensorFlow 移动端的 demo，并且在安卓上部署这些 demo，第一种方法就是使用 Android Studio，使用 Android Studio 可以让你在 IDE 中。构建和部署应用。第二种方式是使用 Bazel 和 ADB 在命令行中发布和构建应用。

如何决定用哪一种方法呢？

在 Android 上使用 TensorFlow 最简单的方式是通过 Android Studio 来构建。如果你不准备定制你的 TensorFlow，或者，如果你想使用 Android Studio 的编辑器或者其他功能去构建一个 app ，并且，仅仅添加 TensorFlow 到应用里面，我们推荐使用 Android Studio 。如果你想使用自定义操作，或者基于其他理由去重新构建 TensorFlow，那么你向下滑参考使用 Bazel 构建 demo 一节。

使用 Android Studio 构建构建 demo

准备环境

如果你没有准备好，你需要做下面两件事情：

遵循 Android Studio 网站的说明，安装Android Studio。

从 Github 上克隆 TensorFlow 的仓库：

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

构建

打开 Android Studio，在欢迎界面中选择 Open an existing Android Studio project。
从 Open File or Project 窗口中，切换文件目录并选择tensorflow/examples/android 目录，这个目录在你克隆的 TensorFlow 的 Github repo 中, 点击 OK。

如果，IDE 需要去同步 Gradle，点击 OK。

如果你得到了类似于“Failed to find target with hash string 'android-23‘”这样的错误，你也可能需要安装多个平台和工具。
打开 build.gradle 文件（你可以到侧边面板的 1:Project 下，并在 Android 下的 Gradle Script 中找到它）。找到nativeBuildSystem 变量，如果尚未置为 none，就把它置为none：
```
 // set to 'bazel', 'cmake', 'makefile', 'none'
 def nativeBuildSystem = 'none'
```
点击启动按钮（绿色的箭头）或者从顶部菜单使用 Run -> Run 'android'。

如果它请求你使用 Instant Run，点击Proceed Without Instant Run。

你还需要插入一个已经打开了开发者选项的 Android 设备。看这里你可以了解更多关于设置开发者设备的更多细节。

这将会安装三个 app 在你的手机中，这些 app 都是 TensorFlow 的 demo。看 Android 示例程序，你将得到关于它们更多的信息。

使用 Android Studio 添加 TensorFlow 到你的 app 中

添加 TensorFlow 到你自己的 Android app 中，最简单的方法是添加下面几行到你的 Gradle 构建文件中：

allprojects {
    repositories {
        jcenter()
    }
}

dependencies {
    compile 'org.tensorflow:tensorflow-android:+'
}

这将自动下载最新的稳定版本的 TensorFlow ARR 包，并安装到你的项目中。

使用 Bazel 构建 demo

另一种在 Android 中使用 TensorFlow 的方法是使用 Bazel 来构建一个 APK，并且通过 ADB 来加载它。这需要一些关于构建系统和 Android 开发者工具的知识，但我们会在这里引导您完成基础步骤。

通过源码安装 TensorFlow
下载 Android 的 SDK和 NDK 如果你以前没下载它们的话。你需要下载最新的 12b 版本的 NDK，和版本为 23 及以上的 SDK。
在你复制的 TensorFlow 源代码副本中，更新 WORKSPACE 文件中的 <PATH_TO_NDK>和 <PATH_TO_SDK>。分别为 SDK 和 NDK 的位置。

运行 Bazel 去构建 demo APK:

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

使用 ADB 安装 APK 文件到你的安卓设备:

  adb install -r bazel-bin/tensorflow/examples/android/tensorflow_demo.apk

注意：当使用 Bazel 编译 Android 你需要在命令行中指定--config=android。在当前场景中，这个例子是专门为 Android 打造的，所以，在这里你不需要指定。

这将安装三个 app 到你的手机，这些 app 都是 TensorFlow 的部分示例。看 Android 示例 Apps 来获取更多关于示例程序的信息。

Android 示例 app

Android 示例代码是一个单独的项目，这个项目构建和安装三个示例 app，这些 app 都使用相同的底层代码。这些示例程序都是用手机的摄像头作为输入：

TF Classify 标记指向的对象用的是 Inception v3 模型，并用 Imagenet 来分类。在 Imagenet 中有 1000 种分类，它会遗漏大多数日常物品，并且，也包括了你在日常生活中不经常遇到东西，所以结果会是十分有趣的。举个例子，这里没有『人』类别，因此，让它猜测照片中的人，它会尽可能去猜测人附近的东西，例如，安全带或者氧气面罩。如果你想定制这个例子去识别你感兴趣的东西，你可以使用TensorFlow for Poets codelab作为例子，基于自己的数据训练模型。
TF Detect 使用多盒模型去尝试画出在人在相机中位置的边界框。这些框对每个侦测结果注释了置信度。结果还不是完美的，这类的物体侦测仍然是一个活跃的研究话题。这个 demo 也包括了可视追踪，当对象在帧之间移动，这比 TensorFlow 推断的速度要快很多。因为帧率明显加快，可以显著提高用户体验，而且这也能够计算出不同帧中指向相同对象的框，这对在一段时间内统计对象个数起着非常重要的作用。
TF Stylize 实现了基于摄像头返回的数据的实时风格转化算法。你可以选择你想用的风格，可以通过屏幕下面的调色板混合它们，也可以将处理的分辨率转换为更高或更低。

当你构建和安装这些示例，你将会看到三个 app 的 icon 在你的手机上，每一个对应一个 demo。点击这些 icon，将会打开对应的 app 并且让你去探索它们是干什么的。当这些 app 运行的时候，你可以点击音量增加按钮来在你的屏幕上启动分析统计。

Android 接口库

因为安卓 app 使用 java 编写，但是，TensorFlow 的核心使用的是 c++，TensorFlow 有一个 JNI 库来向两种语言之间提供接口。这个接口的只是针对推理的，因此它提供了加载 graph，设置输入，和运行模型来计算特殊的输出。您可以在 TensorFlowInferenceInterface.java 中查看少量的一组方法的完整文档。

示例程序都是使用这个接口，因此，它们都是学习使用方法的好地方。您可以在 ci.tensorflow.org 下载预先构建好的二进制 jar 包。