Question

我正在寻找TF Lite Android应用

可以在GIT上找到以下哪个：https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/lite/java/demo

如何编译tensorflow lite框架以使用优化的“ atom” cpu类型？

是否可以通过针对“原子” cpu的CPU优化在MAC os上对其进行编译？

我想在带有“ Intel Atom”处理器的Android设备（SDK 22）上运行该应用程序。当我通过Android Studio运行应用程序且未做任何更改时，速率约为 1200ms /帧。编译安装在我的Galaxy S9（手臂-金鱼草处理器）上的同一个APK大约每帧30ms 。

在“ build.gradle”中有以下部分：

dependencies {
...    
compile 'org.tensorflow:tensorflow-lite:0.0.0-nightly'

...
}

因此，似乎正在下载框架

如何通过CPU优化在本地对其进行编译，并设置应用程序以使用它，而不是下载非优化的夜间版本？

我尝试使用cpu标志运行本教程： Installing TensorFlow from Sources，但不确定如何在Android场景中对我有帮助。

Answer 1

假设您的Atom设备是x86，请使用--fat_apk_cpu标志指定x86 ABI：

$ bazel build -c opt --cxxopt='--std=c++11' \ 
    --fat_apk_cpu=x86 \
    //tensorflow/contrib/lite/java/demo/app/src/main:TfLiteCameraDemo

如果要构建64位设备，请用x86切换x86_64。

在bazel-bin/tensorflow/contrib/lite/java/demo/app/src/main/TfLiteCameraDemo.apk处可用的内置APK将包含x86 .so文件：

$ zipinfo bazel-bin/tensorflow/contrib/lite/java/demo/app/src/main/TfLiteCameraDemo.apk | grep lib
-rw----     2.0 fat  1434712 b- defN 80-Jan-01 00:00 lib/x86/libtensorflowlite_jni.so

如果您的设备已连接，则可以使用bazel mobile-install代替bazel build直接安装应用程序：

$ bazel mobile-install -c opt --cxxopt='--std=c++11' \ 
  --fat_apk_cpu=x86 \ 
  --start_app \
  //tensorflow/contrib/lite/java/demo/app/src/main:TfLiteCameraDemo

TensorFlow lite可以使用自定义CPU构建吗？

1 个答案: