环境

cmake

brew install cmake 
cmake --version
cmake version 3.23.1

protobuf

brew install protobuf
protoc --version
libprotoc 3.19.4

Android Studio 安装NDK CMake

Packages to install: 
- CMake 3.18.1 (cmake;3.18.1)
- NDK (Side by side) 24.0.8215888 (ndk;24.0.8215888)

Preparing "Install CMake 3.18.1 (revision: 3.18.1)".

创建AndroidDemo项目

配置项目C++环境

编译MNN，并把产出文件导入到项目

Android NDK 配置

在app下的build.gradle中配置NDK的版本号即可

android {
    ndkVersion "20.0.5594570"
}

错误集锦

cmake错误

此问题很简单，就是你的NDK环境变量配置的有问题，直接在~/.bash_profile文件中重新配置一下，即可

比如我的就是：export ANDROID_NDK=/Users/jiayuanfa/Library/Android/sdk/ndk/20.0.5594570

然后Save，然后source ~/.bash_profile 一下

编译

首先在Github下载MNN项目源码

github.com/alibaba/MNN

编译MNN的Android动态库

在 developer.android.com/ndk/downloa…
在 .bashrc 或者 .bash_profile 中设置 NDK 环境变量，例如：export ANDROID_NDK=/Users/username/path/to/android-ndk-r14b
cd /path/to/MNN
./schema/generate.sh
cd project/android
编译armv7动态库：mkdir build_32 && cd build_32 && ../build_32.sh
编译armv8动态库：mkdir build_64 && cd build_64 && ../build_64.sh
以上的步骤配置NDK环境变量，需要注意，如果是Mac电脑，那么在Android Studio中配置过NDK以后，找到文件夹，然后在~/.bash_profile文件中配置一下路径即可，下面是Android Studio下载后的NDK路径

需要在32环境以及64环境编译出来11个so包，分别是

默认编译的话，只会输出libMNN.so和libMNN_Express.so包

所以我们要修改MNN项目下的CMakeLists.txt文件，使其具有输出11个so包的能力

backend options option(MNN_METAL "Enable Metal" OFF) option(MNN_OPENCL "Enable OpenCL" ON) option(MNN_OPENGL "Enable OpenGL" ON) option(MNN_VULKAN "Enable Vulkan" ON) option(MNN_ARM82 "Enable ARM82" ON) option(MNN_ONEDNN "Enable oneDNN" OFF) option(MNN_AVX512 "Enable AVX512" OFF) option(MNN_CUDA "Enable CUDA" OFF) option(MNN_TENSORRT "Enable TensorRT" OFF) option(MNN_COREML "Enable CoreML" OFF)

修改完毕之后，如果之前编译过，需要删掉编译的文件夹，重新编译

模型转换工具的编译

cd MNN/
./schema/generate.sh
mkdir build
cd build
cmake .. -DMNN_BUILD_CONVERTER=true && make -j4

以上命令走完，会得到模型转换工具MNNConvert

具体转换方法

首先需要下载其他机器学习的模型
然后使用上面模型进行转换
bizCode为标记码，随便起个名字即可

Caffe -> MNN

./MNNConvert -f CAFFE --modelFile XXX.caffemodel --prototxt XXX.prototxt --MNNModel XXX.mnn --bizCode biz

TensorFlow -> MNN

./MNNConvert -f TF --modelFile XXX.pb --MNNModel XXX.mnn --bizCode biz

TensorFlow Lite -> MNN

./MNNConvert -f TFLITE --modelFile XXX.tflite --MNNModel XXX.mnn --bizCode biz

ONNX -> MNN

./MNNConvert -f ONNX --modelFile XXX.onnx --MNNModel XXX.mnn --bizCode biz

编译之后

使用Android Studio 创建NDK项目，如果不太懂NDK开发的相关知识，需要先学习一下

把生成的C++的头文件放在app/include/MNN/目录下，把生成的动态库文件放在app/src/main/jniLibs/目录下，在app/src/main/cpp/目录下编写JNI的C++代码，com.yeyupiaoling.mnnclassification.mnn包下放JNI的java代码和MNN的相关工具类，将转换的模型放在assets目录下

MNN工具

编写一个MNNHelper.java工具类，关于MNN的操作都在这里完成，如加载模型、预测
通过MNN模型路径加载模型
在加载模型的时候配置预测信息。如：是否使用CPU或者GPU

图像预处理的参数配置

图像的均值dataConfig.mean
标准差dataConfig.normal
图片的输入通道顺序dataConfig.dest

Android MNN

环境