使用 TensorFlow 进行图片识别的例子（Mac平台下）
这里演示一下如何通过安卓手机识别训练好的花朵。这些花朵都是官方例子里的。我的电脑是Mac，所以下面的方法可能不适用与windows平台。
python3 环境的安装
直接brew install python3就可以了。如果没有brew先要安装brew，随便查一下怎么安装都能找到。
这里可能会有点问题：我之前用安装包安装过又卸载了，但是没卸载干净，导致brew链接失败。 不过brew会提示你删掉什么目录就可以了，我大概删了十几个目录，又执行brew link python就可以了。
安装好以后可以通过python3 -V验证。
搭建虚拟环境
python开发推荐在虚拟环境venv中进行。
先创建工作目录，比如在~/virtualenvs下面，就先
mkdir ~/virtualenvs
创建一个环境，比如myvenv：
python3 -m venv ~/.virtualenvs/myvenv
这个环境是给python3用的，所以里面的python命令不是python2的。进入这个环境：
source ~/.virtualenvs/myvenv/bin/activate 退出环境： deactivate
虚拟环境执行的操作，比如安装其他软件，只对当前虚拟环境可用。
TensorFlow环境搭建
先通过pip安装tensorflow，在虚拟环境里面执行
pip install tensorflow
然后安装protobuf，protobuf是TensorFlow使用的字节流框架。下载https://github.com/protocolbuffers/protobuf/releases/download/v3.9.1/protobuf-all-3.9.1.tar.gz到任意目录并解压。 进入解压目录执行
./autogen.sh && ./configure && make
如果失败了尝试执行
brew install autoconf && brew install automake 后再执行上面的命令。
最后执行
$ make check
$ sudo make install
$ which protoc
$ protoc –version
还收一些软件可以提前安装：
pip install –user Cython
pip install –user contextlib2
pip install –user jupyter
pip install –user matplotlib
pip install –user Cython
pip install –user contextlib2
pip install –user pillow
pip install –user lxml
pip install –user jupyter
pip install –user matplotlib
现在不安装也没关系，后面报错的时候会提示缺少什么软件再安装也行。
图片分类环境搭建
下载https://github.com/tensorflow/hub/archive/master.zip到任意目录并解压。将该目录加入到PYTHONPATH环境变量中：
export PYTHONPATH = $PYTHONPATH:$hub的目录$
注意：如果之前执行过pip install tensorflow-hub就不要再加环境变量了。
到 tensorflow_hub/pip_package/setup.py 所在的目录，执行
python setup.py build
python setup.py install
下载样本训练
找一个目录，下载图片压缩包：
curl -LO http://download.tensorflow.org/example_images/flower_photos.tgz
tar xzf flower_photos.tgz
到 examples/image_retraining/retrain.py 所在的目录，执行
python retrain.py –image_dir /flower_photos
训练的时候会先下载模型，这里用的是inception模型，下载过程需要翻墙，因为模型是官网（谷歌）提供的。
训练好以后，会在/tem/ 目录下生成 .pb 文件和 output_labels.txt 文件。
通过安卓APP测试
下载官方提供的demo APP，对它进行改造：https://github.com/tensorflow/examples/archive/master.zip。打开 lite/examples/image_classification 目录，用 Android Studio 打开 Android/app 目录。Android Studio会自动编译，编译成功后先安装apk到自己手机看一下。
下载格式转换文件https://github.com/davelet/tensorflow_transfer_learning_for_android_on_macos/blob/master/convertor.py用于将.pb文件转为tflite文件，tflite才能给安卓使用。
- graph_def_file改成上面的pb路径
- input_arrays改成Placeholder
- output_arrays改成final_result
执行convertor.py很快就生成converted_model.tflite文件。把生成的tflite文件和上面的output_labels.txt文件一起复制到 image_classification/android/app/src/main/assets/下面。
找到 ClassifierFloatMobileNet.java 文件，复制一份并改名为 ClassifierFloatInception.java，修改其中image size XY 都是299，modelPath和LabelPath为上面刚复制过去的文件。
inception模型的向量大小为299，见https://github.com/davelet/tensorflow_transfer_learning_for_android_on_macos/blob/master/InceptionV4.pdf
最后修改ClassifierActivity.java 中的classifier变量初始化为new ClassifierFloatInception(this)。再次打包安装到手机上可以用手机识别不同花朵的图片试一下。只能识别菊花、蒲公英、向日葵、郁金香、玫瑰。
- 分享到
-
-
