iOS 中的TensorFlow

编译+运行官方 demo

第一步:官网下载 TensorFlow,

第二步:编译脚本build_all_ios.sh

TensorFlow文件夹tensorflow/contrib/makefile/目录下的build_all_ios.sh脚本是用来编译iOS静态库的脚本，因此可以直接执行此脚本。开始静态库的编译工作,
进入makefile 文件夹,终端输入 ./build_all_ios.sh 就会自动编译脚本,这个编译需要的时间比较久,编译完成之后，会在tensorflow/contrib/makefile目录下回看到新增两个文件downloads 和gen

第三步:运行官方 demo

TensorFlow文件夹tensorflow/contrib/makefile/ios_examples 下面是官方给的三个 demo,如果编译成功,不需要任何修改就可以直接运行 看效果了

创建自己的 demo引入 TensorFlow

运行官方的 demo, 以及下载别人的 demo 查看,都需要配置相对路径,操作步骤正如官网说明,这种配置很有局限性,这只能说明TensorFlow 目前很不成熟,没有专门的 静态库,如果引用到自己项目中,使用静态库比较方便些,下面就简单介绍下,我自己创建的 demo

第一步:打包 TensorFlow 的.a静态库

a) 创建一个工程PictureCheck,添加如下打包文件:

b) 配置Header Search Patchs 路径

在 Build Settings -> Header Search Patchs ,依次输入如下路径

这个地方我使用了一个偷工减料的方法,在之前下载的 TensorFlow 文件中找到指定的文件,拖拽到这个地方,自动生成的路径,编译的时候即可查找到

c) 配置Other Linker Flags 路径

在 Build Settings -> Other Linker Flags ,依次输入如下路径

这些配置好之后就可以编译.a静态库使用了

第二步: 运行引入 TensorFlow 的.a静态库的自定义 demo

a) 创建工程TensorFlowDemo,把需要的文件导入进去,如下:

b) 导入需要的 framework,如下

c)其它设置

• 在Xcode中工程信息配置页面，点击Build Settings选项卡 --> Enable Bitcode 设置:

Enable Bitcode: No

• 在Xcode中工程信息配置页面，点击Build Settings选项卡 ,关闭警告，否则在你编译应用程序时，会有很多警告!!

Warnings / Documentation Comments: No
Warnings / Deprecated Functions: No

bug 总结(嵌入自己的模型文件)

a) No OpKernel was registered to support Op 'Maximum' with these attrs. Registered devices: [CPU], Registered kernels: device='CPU'; T in [DT_FLOAT]

 [[Node: gradients/Mean_grad/Maximum = Maximum[T=DT_INT32, _output_shapes=[[]], _device="/device:CPU:0"](gradients/Mean_grad/Prod_1, gradients/Mean_grad/Maximum/y)]]

这个问题困扰很久,也多亏这个问题,把 TensorFlow 的 issues 几乎看了个遍,又把 TensorFlow 中的 Makefile 文件的逻辑理清楚了,过程很痛苦,最后不用我们解决,模型文件有问题

b) 这个问题没有截图,报的错误是Initialize 相关的错误.解决方法就是:tf_op_files.txt 文件里面多添加一个tensorflow/core/kernels/random_op.cc操作.

c) No OpKernel was registered to support Op 'Switch' with these attrs. Registered devices: [CPU], Registered kernels:

device='GPU'; T in [DT_FLOAT]
device='GPU'; T in [DT_INT32]
device='GPU'; T in [DT_BOOL]
device='GPU'; T in [DT_STRING]
device='CPU'; T in [DT_INT32]
device='CPU'; T in [DT_FLOAT]

 [[Node: dropout6/cond/Switch = Switch[T=DT_BOOL](Placeholder_2, Placeholder_2)]]