Tensorflow编译android平台的so库和jar包

tensorflow自己编译so库和android jar包，遇到了一些困难，这里简单叙述下注意的问题和基本流程。

环境：ubuntu16.04

tensorflow1.5 下载地址：https://github.com/tensorflow/tensorflow

根据下图，tags不同选择不同tensorflow版本也可以。

 

 

1、bazel安装

参考官网,：第一步大多已经安装好了，自己检测一下。主要是step2 bazel下载，版本的抉择，之前由于版本错误，一直导致编译通不过。主要方法在于：tensorflow-1.5.0/tensorflow目录下的workspace.bzl 下找下面段话，其中`check_version("0.5.4")`最好下这个版本的bazel，这样保证了bazel的准确性，更容易编过。（tensorflow-1.5.0 为根目录）

def tf_workspace(path_prefix="", tf_repo_name=""):

# We must check the bazel version before trying to parse any other BUILD

# files, in case the parsing of those build files depends on the bazel

# version we require here.

check_version("0.5.4")

cuda_configure(name="local_config_cuda")

sycl_configure(name="local_config_sycl")

python_configure(name="local_config_python")

官网内容：

Step 1: Install required packages

First, install the prerequisites: pkg-config, zip, g++, zlib1g-dev, unzip, and python.

sudo apt-get install pkg-config zip g++ zlib1g-dev unzip python

Step 2: Download Bazel

Next, download the Bazel binary installer named bazel--installer-linux-x86_64.sh from the Bazel releases page on GitHub.

Step 3: Run the installer

Run the Bazel installer as follows:

chmod +x bazel--installer-linux-x86_64.sh
./bazel--installer-linux-x86_64.sh --user

The --user flag installs Bazel to the $HOME/bin directory on your system and sets the .bazelrc path to $HOME/.bazelrc. Use the --help command to see additional installation options.

Step 4: Set up your environment

If you ran the Bazel installer with the --user flag as above, the Bazel executable is installed in your $HOME/bin directory. It’s a good idea to add this directory to your default paths, as follows:

export PATH="$PATH:$HOME/bin"

You can also add this command to your ~/.bashrc file.

 

2、下载 android ndk

之前下载的版本过新16，不适合tensorflow，在执行./conficure的时候，通过提示知道了支持10、11、12、13、14、15版本的。因此下载了15的，其实不用走弯路，打开目录`tensorflow-1.5.0`下configure.py文件搜索：“_SUPPORTED_ANDROID_NDK_VERSIONS”，如下：

_SUPPORTED_ANDROID_NDK_VERSIONS = [10, 11, 12, 13, 14, 15]

 

3、编译so和jar包

进入tensorflow根目录

1、配置路径

./configure

会让你配置一些文件的路径。如：python 、gcc++、ndk和是否用支持显卡编译、等这些都需要你认真配好，大多会读取环境变量中默认的安装好的地址，你回车即可，其他的不知道的直接回车即可。

2、编译so

bazel build -c opt //tensorflow/contrib/android:libtensorflow_inference.so  --crosstool_top=//external:android/crosstool  --host_crosstool_top=@bazel_tools//tools/cpp:toolchain  --cpu=armeabi-v7a

编译好的地址在：根目录/tensorflow/bazel-bin/tensorflow/contrib/android

1、编译过程中会提示一些找不到的依赖库，pip install 安装即可。

2、由于之前就用bazel编译过tensorflow，不知道咋了，结果bazel时就报错：

ERROR: /home/gezp/.cache/bazel/_bazel_gezp/2e4f7705435d0bd99b2c7f0d4e7595e7/external/protobuf_archive/BUILD:93:1: undeclared inclusion(s) in rule '@protobuf_archive//:protobuf_lite':

this rule is missing dependency declarations for the following files included by 'external/protobuf_archive/src/google/protobuf/stubs/int128.cc'

解决方法 ：删除bazel cache，重新编译。

rm -rf /home/gezp/.cache/bazel #选择自己的cache目录

3、编译jar包

bazel build //tensorflow/contrib/android:android_tensorflow_inference_java

编译好的位置：/tensorflow/bazel-bin/tensorflow/contrib/android

编译jar包后 so不见了，编译so后jar不见了，因此编一个后得备份出来。

 

这里实现了一个android studio上实现手写字体的识别预测demo，欢迎下载参考。