注：最近机器学习很火热，特别是谷歌推出TensorFlow后，推动了机器学习的发展。相比Android、iOS等开发项目，机器学习门槛相对要高一些，需要耐心地学习。在接触真正的机器学习之前，我们先来看一个在Android App中使用机器学习的例子。

原文地址：https://blog.mindorks.com/android-tensorflow-machine-learning-example-ff0e9b2654cc#.i8l12xa39

我们知道谷歌开源了在Android中可以使用机器学习的Library-TensorFlow。

我在网上搜索了一下，目前还没有在Android上 build TensorFlow的简单方式或者demo。经过查找资料，我终于build成功，这里分享下经验，为需要的同学节约一些探索的时间。

这篇文章要求读者了解机器学习的概念，并且知道如何建立机器学习的模型（在这个例子中使用了预训练模型）。很快，我会写一系列关于机器学习的文章，可以帮助大家构建机器学习的模型。

1.预备

一些需要知道的重点知识（需要有一点机器学习的概念）：

TensorFlow 的核心是使用C++写的
为了构建Android project，我们需要使用JNI调用C++的方法，如locadModel, getPredictions等等。
工程中需要使用一个C++ 的编译文件.so和一个包含调用native C++代码的java api jar文件。这样我们就可以在程序中方便地调TensorFlow的Api。
我们需要预训练模型和标签文件

demo中我们将要做一个图片识别工具：

2. Build so文件和jar文件

首先要clone TensorFlow的代码：
```
git clone --recurse-submodules https://github.com/tensorflow/tensorflow.git
```
注意：--recurse-submodules的目的是为了pull submodules
下载NDK：下载地址
下载Bazel：下载地址，Bazel是TensorFlow主要的构建系统。

修改clone 下来的TensorFlow中的WROKSPACE文件：

# Uncomment and update the paths in these entries to build the Android demo.
#android_sdk_repository(
#    name = "androidsdk",
#    api_level = 23,
#    build_tools_version = "25.0.1",
#    # Replace with path to Android SDK on your system
#    path = "<PATH_TO_SDK>",
#)
#
#android_ndk_repository(
#    name="androidndk",
#    path="<PATH_TO_NDK>",
#    api_level=14)

修改结果如下（注意设置正确的SDK和NDK路径）：

android_sdk_repository(
  name = "androidsdk",
  api_level = 23,
  build_tools_version = "25.0.1",
  # Replace with path to Android SDK on your system
  path = "/Users/amitshekhar/Library/Android/sdk/",
)
android_ndk_repository(
  name="androidndk",
  path="/Users/amitshekhar/Downloads/android-ndk-r13/",
  api_level=14)

Build so文件：

bazel build -c opt //tensorflow/contrib/android:libtensorflow_inference.so \--crosstool_top=//external:android/crosstool \--host_crosstool_top=[@bazel_tools](http://twitter.com/bazel_tools)//tools/cpp:toolchain \--cpu=armeabi-v7a

编译后文件位置：

bazel-bin/tensorflow/contrib/android/libtensorflow_inference.so

编译jar文件：

bazel build //tensorflow/contrib/android:android_tensorflow_inference_java

编译后文件位置：

bazel-bin/tensorflow/contrib/android/libandroid_tensorflow_inference_java.jar

现在我们有了so文件和jar文件，在以下的Android工程中会用到。

3. 下载训练模型和标签文件

这里我们用google的数据就可以，下载地址，下载后解压可以得到imagenet_comp_graph_label_strings.txt(label for objects) and tensorflow_inception_graph.pb (pre-trained model) 两个文件，这两个文件放置在Android工程的Assets中即可。

4. Android demo的构建

其实这里已经有一个完整的demo地址，所以如果仅仅想体验一下机器学习，可以直接clone代码运行即可，代码地址。

如果要自己构建demo，则需要引用之前生成的jar文件和so文件：

引用jar：

compile files('libs/libandroid_tensorflow_inference_java.jar')

引用so：
新建jniLibs文件，并把libtensorflow_inference.so 文件放置在jniLibs/armeabi-v7a/ 中。

现在我们就可以在Android中使用TensorFlow了，TensorFlow提供的方法主要在TensorFlowInferenceInterface中，使用方法可以参考demo。看下运行效果：

项目地址

https://github.com/MindorksOpenSource/AndroidTensorFlowMachineLearningExample

欢迎关注公众号wutongke，每天推送移动开发前沿技术文章：

推荐阅读：

重要-作为Android开发者必须了解的Gradle知识

编写高效的Android代码（译）

Android-实现Animation everywhere

Android组件化之通信（多模块，多进程）