Android编译动态链接库,Tensorflow lite 编译Android JNI C++ 动态链接库（步骤详细生动，还怕搞不定吗）...

目录

1. 准备食材(荤菜)

2. 准备食材(素菜)

3. 磨刀(tensorflow编译依赖)

4. 切菜

5 热油(设置输出的内容)

6. 炒菜了(编译)

7 浇汤头，也叫勾芡(整理头文件)

8. 上菜啦(整理进CMakeLists.txt中)

9. 吃完了，别走，付钱呀

如果你想在Android上用JNI跑TensorFlow神经网络，就需要把TensorFlow Lite编译成C++的动态链接库。由于烹饪技法奇特，凡人非三五天难以编译出来。

本大厨历经艰辛，达到彼岸。今天把烹饪过程详述于此，以示后来者。(有问题留言共同讨论)

1. 准备食材(荤菜)

准备一个ubuntu 16系统

下载tensorflow源代码：https://github.com/tensorflow 解压

安装bazel

sudo apt install curl gnupg

curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add -

echo "deb [arch=amd64] https://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list

sudo apt update

sudo apt install bazel

安装工具链

sudo apt-get update

sudo apt-get install crossbuild-essential-arm64

还要安装 python(3以上版本)

2. 准备食材(素菜)

下载Android NDK

https://developer.android.google.cn/ndk/downloads?hl=zh-cn

解压出来放在一个妥当的位置(路径不要有中文)。记下路径。

下载Android SDK

https://developer.android.com/studio/

(想办法也要下载正版的哟)同样，解压出来放在一个妥当的位置(路径不要有中文)。记下路径。

3. 磨刀(tensorflow编译依赖)

进入到tensorflow解压出来的目录下，运行下载依赖的脚本

./tensorflow/lite/tools/make/download_dependencies.sh

4. 切菜

还是在tensorflow的根目录里面，运行配置文件

./configure

这是会让你配置很多东西，前两个是python的路径，他们给的一般是正确的，直接回车。

中间会让你配置很多杂七杂八的，咱们不需要，直接输入No：N

最重要的一步，就是当出现配置Android时，要输入yes：y

然后会让你配置Android NDK的路径，把你开始解压出来的路径复制进去。回车。然后他会识别到版本，让你确认。回车就行。

然后会让你配置Android SDK的路径，和上一步一样，把解压路径复制进去。

5 热油(设置输出的内容)

我们希望输出的是一个动态链接库，即.so文件，所以，要配置

打开tensorflow/lite/BUILD文件配置输出的选项，在末尾添加如下内容：

cc_binary(

name = "libtensorflowLite.so",

linkopts = ["-shared", "-Wl,-soname=libtensorflowLite.so"],

visibility = ["//visibility:public"],

linkshared = 1,

copts = tflite_copts(),

deps = [

":framework",

"//tensorflow/lite/kernels:builtin_ops",

],

)

6. 炒菜了(编译)

目前Android的主流架构是armeabi-v7a和arm64-v8a,所以只要交叉编译这两个就行了，过程也很简单，

先炒第一盘菜，在tensorflow根目录运行：

# "armeabi-v7a"

bazel build -c opt //tensorflow/lite:libtensorflowLite.so --config=android_arm --cxxopt="-std=c++11"

会在tensorflow/bazel-bin/tensorflow/lite/目录下生成一个libtensorflowLite.so文件。

在桌面上新建一个文件夹 叫armeabi-v7a，把编译生成的libtensorflowLite.so文件拷贝进去。因为原来的位置马上就要删了。

洗锅(清理环境)，准备炒下一盆菜

# 洗锅

bazel clean

再编译arm64-v8a的动态库

# arm64-v8a

bazel build -c opt //tensorflow/lite:libtensorflowLite.so --config=android_arm64 --cxxopt="-std=c++11"

同样在桌面上新建一个文件夹，叫arm64-v8a，把新输出的在tensorflow/bazel-bin/tensorflow/lite/目录下的libtensorflowLite.so文件拷贝进去。

最后把文件夹整理成这样：

7 浇汤头，也叫勾芡(整理头文件)

只有一个动态链接库也是没法用的，我们还需要有头文件，只有靠头文件才能找到对应的库。

头文件从哪里来呢，很简单，把tensorflow/lite中所有的.h文件和他们的层级目录全部整理出来。

也有个简单的方法，用shell脚本，进入到tensorflow中，运行

# 找到所有的 .h文件，全压缩到一个headers.tar中

find ./lite -name "*.h" | tar -cf headers.tar -T -

还有一个重要的头文件faltbuffer，它是tf lite的一个依赖库，也需要整理头文件出来。这个库位于tensorflow/lite/tools/make/downloads/flatbuffers,把里面的include文件夹全部拷贝出来，放在一个flatbuffers文件夹里面。

include/flatbuffers/

最后整理成的文件目录如下

8. 上菜啦(整理进CMakeLists.txt中)

最后把我们的库整理进去

# tf lite 的库名字

add_library(tflite

STATIC

IMPORTED

)

# # tf lite库的位置

set_target_properties(tflite

PROPERTIES

IMPORTED_LOCATION

${CMAKE_SOURCE_DIR}/../nativeLibs/${CMAKE_ANDROID_ARCH_ABI}/libtensorflowLite.so

)

# 头文件位置也要找到

include_directories(${CMAKE_SOURCE_DIR}/../include)

# 绑定到我们的主库上

target_link_libraries(

native-lib # 这个是你自己的库名字

tflite )

9. 吃完了，别走，付钱呀

点赞免单，哈哈哈

明天继续炒怎么在android中用这个库。