【機器學習】TensorFlow 在 iOS 端的用例

支援原創，更多內容歡迎關注作者部落格：
http://www.china10s.com/blog/?p=490

機器學習這種計算方式，於上世紀就已經被世人所知，但是受限制於電腦的計算能力和網路速度等原因，沒有得到發展。在摩爾效應下，現在的電腦效能大幅提升，即便是手上的iPhone，都會比當時美國登月所使用的機器要強。於是，在這個背景下，機器學習開始飛速發展，各大公司都已經在這方面投入資源，希望能夠分一杯羹。

Google 一直是以技術作為導向的公司，現在他們也開源了一套電腦引擎–TensorFlow。他支援PC和移動版本，並且學習資源充足。它具有：高度的靈活性、可移植性、自動求微分、多語言支援、效能最優?化等特點。可以說是縮短了科研與產品之間的距離，省去了大量重複代碼的編寫時間。

TensorFlow 是一個採用資料流圖（data flow graphs），用於數值計算的開源軟體庫。節點（Nodes）在圖中表示數學操作，圖中的線（edges）則表示在節點間相互聯絡的多維資料數組，即張量（tensor）。它靈活的架構讓你可以在多種平台上展開計算，例如台式電腦中的一個或多個CPU（或GPU），伺服器，行動裝置等等。TensorFlow 最初由Google大腦小組（隸屬於Google機器智能研究機構）的研究員和工程師們開發出來，用於機器學習和深度神經網路方面的研究，但這個系統的通用性使其也可廣泛用於其他計算領域。

現在，我們可以很快速的將 TensorFlow 部署到移動平台上去，包括 iOS 和 Android 平台。以 iOS 為例，介紹一下如何?部署： 第一步，下載 TensorFlow 檔案

由於 TensoreFlow 已經在 Github 開源，可以直接下載：

Github 首頁地址

V1.1.0 下載地址 第二步，下載 Model 檔案

有了工具，還得有訓練出來的模型，這裡不需要我們再訓練（也沒有樣本資料）。

下載現成的訓練模型：

Inception v1

下載完成之後，在 camera 工程目錄下建立 data 檔案夾。將下載下來的如下檔案拷入：
imagenet_comp_graph_label_strings.txt
tensorflow_inception_graph.pb 第三步，相關工具

在缺少 libtool? 的情況下，是無成功進行編譯的，安裝的方式如下：

sudo apt-get install libtool

第四步，編譯庫檔案

在如下目錄執行指令碼：

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

這個編譯過程大約要花費1個小時左右的時間（和機器效能有關）。

編譯完成之後，產生 libtensorflow-core.a,將產生結果拷貝到 camera 工程目錄下
第五步，識別結果如圖所示

杯子

iPhone

滑鼠

筆記本