iOS集成TensorFlow Lite配置教程
公司最近的项目本地计算评估PWV 总算告一段落，对于目前的解决方案TensorFlow for iOS，整个过程之长、坑之多，让我发际线提高了2cm。。。之后应该会有一篇技术总结，正在准备。
下一步的计划是，TensorFlow 转到 TensorFlow Lite，在mobile上用TF，简单的模型还好，复杂的模型感觉跑起来有点力不从心，目前TF lite预览版，支持的model貌似不多，正在做些尝试，还停留在.pb转.lite的阶段，先提前放出iOS 集成TF lite的教程，供参考，如有遗漏不足，还望指正。
TensorFlow Lite for iOS
Building
为编译TensorFlow Lite的iOS版静态库, 需要用到MacOS上的终端. 如果还没达标,
那么须先安装 Xcode 8 or later and the tools using xcode-select:
xcode-select --install•第一次安装，需要打开Xcode，按照提示授权信任.
(还需要安装 Homebrew installed.)
•另外两个必要工具
automake/libtool:
brew install automake
brew install libtool•接下来，是运行脚本，下载所需要的依赖，但是先不要立马执行，请看完tips:
tensorflow/contrib/lite/download_dependencies.sh•这个脚本会联网下载所需依赖包，并放到到这个目录：
tensorflow/contrib/lite/downloads.
•demo中需要的label和.tflite模型文件，则下载并解压到：
tensorflow/contrib/lite/example/ios/camera/data.
•tips: 对于国内开发者，可能直接执行脚本，会有几个依赖包下载失败或者 出现问题导致即便下载依赖包步骤通过，但是编译阶段出错，所以我们直接在这里做一些修改：
EIGEN_URL="$(grep -o 'http.*bitbucket.org/eigen/eigen/get/.*tar\.gz' "${BZL_FILE_PATH}" | grep -v bazel-mirror | head -n1)"
GEMMLOWP_URL="$(grep -o 'https://mirror.bazel.build/github.com/google/gemmlowp/.*zip' "${BZL_FILE_PATH}" | head -n1)"
GOOGLETEST_URL="https://github.com/google/googletest/archive/release-1.8.0.tar.gz"
ABSL_URL="$(grep -o 'https://github.com/abseil/abseil-cpp/.*tar.gz' "${BZL_FILE_PATH}" | head -n1)"
NEON_2_SSE_URL="https://github.com/intel/ARM_NEON_2_x86_SSE/archive/master.zip"
FARMHASH_URL="https://mirror.bazel.build/github.com/google/farmhash/archive/816a4ae622e964763ca0862d9dbd19324a1eaf45.tar.gz"
FLATBUFFERS_URL="https://github.com/google/flatbuffers/archive/master.zip"
# 下面这两个的意思是联网下载。 我们就不要用脚本下载了，这里先注释掉
# MODELS_URL="https://storage.googleapis.com/download.tensorflow.org/models/tflite/mobilenet_v1_1.0_224_ios_lite_float_2017_11_08.zip"
# QUANTIZED_MODELS_URL="https://storage.googleapis.com/download.tensorflow.org/models/tflite/mobilenet_v1_224_android_quant_2017_11_08.zip"download_and_extract "${EIGEN_URL}" "${DOWNLOADS_DIR}/eigen"
download_and_extract "${GEMMLOWP_URL}" "${DOWNLOADS_DIR}/gemmlowp"
download_and_extract "${GOOGLETEST_URL}" "${DOWNLOADS_DIR}/googletest"
download_and_extract "${ABSL_URL}" "${DOWNLOADS_DIR}/absl"
download_and_extract "${NEON_2_SSE_URL}" "${DOWNLOADS_DIR}/neon_2_sse"
download_and_extract "${FARMHASH_URL}" "${DOWNLOADS_DIR}/farmhash"
download_and_extract "${FLATBUFFERS_URL}" "${DOWNLOADS_DIR}/flatbuffers"
# 下面这两个的意思是下载完依赖包，解压到的路径，同理，也注释掉
# download_and_extract "${MODELS_URL}" "${DOWNLOADS_DIR}/models"
# download_and_extract "${QUANTIZED_MODELS_URL}" "${DOWNLOADS_DIR}/quantized_models"•现在，可以放心的跑脚本了（都在你的TensorFlow的根目录下执行即可）
tensorflow/contrib/lite/download_dependencies.sh•下载完成，别忘了，上面我们注释掉了两个包的下载，现在需要根据脚本里这两个的下载链接
MODELS_URL、
QUANTIZED_MODELS_URL，
自己去下载并解压。下载完成后，根据注释掉的解压路径，分别把两个文件放到对应的路径下面tensorflow/contrib/lite/downloads/models、tensorflow/contrib/lite/downloads/quantized_models ，
缺少的文件夹自己创建。
•所需依赖全部放置完毕，接下来就是编译iOS所需要的静态库:
tensorflow/contrib/lite/build_ios_universal_lib.sh不出意外就是等待编译完成。
最后，编译出的结果放在tensorflow/contrib/lite/gen/lib目录下，有各个环境对应的静态库，还有一个lipo合并后的
tensorflow/contrib/lite/gen/lib/libtensorflow-lite.a.我们用这个即可。
集成到iOS项目中
1、安装 CocoaPods ，这里不做赘述
2、在 tensorflow/contrib/lite/examples/ios/camera路径下 运行 pod install.
3、配置4项（重要）：
•Target *->General->Linked Frameworks and Libraries:
点击＋，添加tensorflow/contrib/lite/gen/lib路径下的libtensorflow-lite.a
•Target *->Build Settings->Library Search Paths：
点击＋，添加/Users/xiaoqiang/6TensorFlowlite/tensorflow-master/tensorflow/contrib/lite/gen/lib。
这个路径我用了绝对路径，开发者根据自己的项目，确保路径链接到此即可。
•Target *->Build Settings->Header Search Paths：
点击＋，逐个添加
'${SRCROOT}/Pods/TensorFlow-experimental/Frameworks/tensorflow_experimental.framework/Headers'
'${SRCROOT}/Pods/TensorFlow-experimental/Frameworks/tensorflow_experimental.framework/Headers/third_party/eigen3'
$(inherited)
"${PODS_ROOT}/Headers/Public"
"${PODS_ROOT}/Headers/Public/TensorFlow-experimental"
"$(SRCROOT)/../../../6TensorFlowlite/tensorflow-master"
"$(SRCROOT)/../../../6TensorFlowlite/tensorflow-master/tensorflow/contrib/lite/downloads"
"$(SRCROOT)/../../../6TensorFlowlite/tensorflow-master/tensorflow/contrib/lite/downloads/flatbuffers/include"
后三条也使用了我的绝对路径，开发者视自己情况而定，同样确保能最终链接到这些路径。
•Target *->Build Settings->Other Linker Flags：
点击＋，逐个添加
$(inherited)
-L
${SRCROOT}/Pods/TensorFlow-experimental/Frameworks/tensorflow_experimental.framework
-ObjC
-l"c++"
-l"protobuf_experimental"
-framework
"Accelerate"
-framework
"tensorflow_experimental"
-force_load
${SRCROOT}/Pods/TensorFlow-experimental/Frameworks/tensorflow_experimental.framework/tensorflow_experimental
4、打开 tflite_camera_example.xcworkspace, 跑起来吧.
注意：
- C++11 support (or later) should be enabled by setting C++ Language Dialect
to GNU++11 (or GNU++14), and C++ Standard Library to libc++.