【机器学习】TensorFlow在iOS端的用例

支持原创，更多内容欢迎关注作者博客：
http://www.china10s.com/blog/?p=490

机器学习这种计算方式，于上世纪就已经被世人所知，但是受限制于计算机的计算能力和网络速度等原因，没有得到发展。在摩尔效应下，现在的计算机性能大幅提升，即便是手上的iPhone，都会比当时美国登月所使用的机器要强。于是，在这个背景下，机器学习开始飞速发展，各大公司都已经在这方面投入资源，希望能够分一杯羹。

Google 一直是以技术作为导向的公司，现在他们也开源了一套计算机引擎–TensorFlow。他支持PC和移动版本，并且学习资源充足。它具有：高度的灵活性、可移植性、自动求微分、多语言支持、性能最优化等特点。可以说是缩短了科研与产品之间的距离，省去了大量重复代码的编写时间。

TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。

现在，我们可以很快速的将 TensorFlow 部署到移动平台上去，包括 iOS 和 Android 平台。以 iOS 为例，介绍一下如何部署：

第一步，下载 TensorFlow 文件

由于 TensoreFlow 已经在 Github 开源，可以直接下载：

Github 主页地址

V1.1.0 下载地址

第二步，下载 Model 文件

有了工具，还得有训练出来的模型，这里不需要我们再训练（也没有样本数据）。

下载现成的训练模型：

Inception v1

下载完成之后，在 camera 工程目录下新建 data 文件夹。将下载下来的如下文件拷入：
imagenet_comp_graph_label_strings.txt
tensorflow_inception_graph.pb

第三步，相关工具

在缺少 libtool 的情况下，是无成功进行编译的，安装的方式如下：

sudo apt-get install libtool

第四步，编译库文件

在如下目录执行脚本：

sudo ./tensorflow-master/tensorflow/contrib/makefile/build_all_ios.sh

这个编译过程大约要花费1个小时左右的时间（和机器性能有关）。

编译完成之后，生成 libtensorflow-core.a,将生成结果拷贝到 camera 工程目录下

第五步，识别结果如图所示

杯子

---

iPhone

---

鼠标

---

笔记本