android perfd6,在Android Studio Project中使用tensorflow lite C API的问题

我目前正在研究一个关于神经网络的项目.

为此,我想构建一个Android应用程序,它应该使用tensorflow [lite]来解决一些对象检测/识别问题.

因为我希望代码尽可能地可移植,所以我想用C编写大部分代码,因此使用tensorflow lite的C API而不是Java API / wrapper.

因此,我修改了tensorflow / contrib / lite / BUILD并添加了以下内容以便能够创建共享张量流库.

cc_binary(

name = "libtensorflowLite.so",

linkopts=["-shared", "-Wl"],

linkshared=1,

copts = tflite_copts(),

deps = [

":framework",

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

],

)

然后我用了

bazel build //tensorflow/contrib/lite:libtensorflowLite.so --crosstool_top=//external:android/crosstool --cpu=arm64-v8a --host_crosstool_top=@bazel_tools//tools/cpp:toolchain --cxxopt="-std=c++11"

最终建立它.

之后我转向Android Studio并设置了一个基本项目.

为了将共享库添加到项目中,我参考了这个示例：

我还为flatbuffers添加了所需的依赖项.

构建/编译过程成功,没有任何链接器错误(好吧,至少在尝试了几个小时之后……).

然后APK成功安装在Android设备上,但在启动后立即崩溃. Logcat提供以下输出：

04-14 20:09:59.084 9623-9623/com.example.hellolibs E/AndroidRuntime: FATAL EXCEPTION: main

Process: com.example.hellolibs, PID: 9623

java.lang.UnsatisfiedLinkError: dlopen failed: library "/home/User/tensorflowtest/app/src/main/cpp/../../../../distribution/tensorflow/lib/x86/libtensorflowLite.so" not found

at java.lang.Runtime.loadLibrary0(Runtime.java:1016)

at java.lang.System.loadLibrary(System.java:1657)

at com.example.hellolibs.MainActivity.(MainActivity.java:36)

at java.lang.Class.newInstance(Native Method)

at android.app.Instrumentation.newActivity(Instrumentation.java:1174)

at android.app.ActivityThread.performLaunchActivity(ActivityThread.java:2669)

at android.app.ActivityThread.handleLaunchActivity(ActivityThread.java:2856)

at android.app.ActivityThread.-wrap11(Unknown Source:0)

at android.app.ActivityThread$H.handleMessage(ActivityThread.java:1589)

at android.os.Handler.dispatchMessage(Handler.java:106)

at android.os.Looper.loop(Looper.java:164)

at android.app.ActivityThread.main(ActivityThread.java:6494)

at java.lang.reflect.Method.invoke(Native Method)

at com.android.internal.os.RuntimeInit$MethodAndArgsCaller.run(RuntimeInit.java:438)

at com.android.internal.os.ZygoteInit.main(ZygoteInit.java:807)

我在Android x86模拟器和真正的arm64-v8a安卓智能手机上试过这个.

所以对我来说,这似乎在启动时应用程序尝试加载tensorflowLite共享库,但无法找到它.

使用zip存档管理器打开apk我可以验证平台(arm,x86)依赖的.so文件是否按预期打包到APK中(通过将以下内容添加到build.gradle：

sourceSets {

main {

// let gradle pack the shared library into apk

jniLibs.srcDirs = ['../distribution/tensorflow/lib']

}

})

我不明白为什么它在我把它放在我的Ubuntu 17.10 PC上的路径中查找库.

所以,我认为我在尝试调整将外部库添加到我之前提到的Android Studio项目的示例时犯了一个错误.

这就是我下载整个项目并在Android Studio中打开它并验证该示例按预期工作的原因.之后我用libtensorflowLite.so替换了示例libgperf.so,并保留了其他所有内容,尤其是CMakeLists.txt.

但我再次得到完全相同的错误,因此我怀疑这是libtensorflowLite库本身的问题,而不是android项目(虽然这只是我的猜测).

我正在开发android studio 3.1.1,NDK Version 14和API Level 24(Android 7.0).

如果有人知道可能出现的问题,那么任何帮助都会受到高度赞赏.

我也对任何其他方法开放,这些方法允许我对一个Android应用程序使用带有C的tensorflow lite.

非常感谢,

马丁

解决方法:

我记得几个星期前我问过这个问题.

同时,我找到了解决问题的方法,TensorflowLite现已很好地嵌入到我的Android项目中,在那里我使用C API进行所有编程！

问题是我构建的Tensorflow共享库没有包含soname.因此,在构建过程中,库被剥离,并且由于没有找到名称,因此路径被用作“名称”.我注意到,当我使用linux“strings”工具进一步调查我的native-lib.so(NDK C库,然后由App加载).在这里,我发现确实从“/home/User/tensorflowtest/app/src/main/cpp/../../../../distribution/tensorflow/lib/x86/libtensorflowLite加载库的路径.so“已定.

将“-Wl,-soname = libtensorflowLite.so”添加到BUILD文件中的构建选项可修复此问题！你可以找到我在下面使用的整个规则.

由于缺乏解释,所以设置一切都很痛苦(似乎TensorflowLite主要通过Android上的Java API使用？),我想简要介绍如何在Android Studio中使用TensorflowLite的C API(来自Android NDK项目).

1.为您的架构构建库

要使用C API,首先需要构建TensorflowLite库.为此,将以下规则添加到tensorflow / contrib / lite中的BUILD文件中：

cc_binary(

name = "libtensorflowLite.so",

linkopts=[

"-shared",

"-Wl,-soname=libtensorflowLite.so",

],

linkshared = 1,

copts = tflite_copts(),

deps = [

":framework",

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

],

)

注意：有了这个,就可以构建一个共享库！静态的也可能有效.

现在您可以使用构建库

bazel build //tensorflow/contrib/lite:libtensorflowLite.so --crosstool_top=//external:android/crosstool --cpu=arm64-v8a --host_crosstool_top=@bazel_tools//tools/cpp:toolchain --cxxopt="-std=c++11"

如果要支持多种体系结构,则必须多次构建库并相应地更改–cpu标志.

注意：这至少对于arm64-v8a和armeabi-v7a(没有使用MIPS进行测试,因此这可能会起作用)也能正常工作.但是在x86设备上,我收到了本主题中已经解决的“atomic_store_8”错误：https://github.com/tensorflow/tensorflow/issues/16589

2.添加要包含在Android Studio项目中的库和所需的标头

构建了库之后,您现在需要确保它也链接到您的应用程序中(更具体地说：进入您的Android NDK库,在我的例子中命名为“native-lib”).我将简要介绍如何执行此操作,但是如果您需要更详细的说明,可以参考我在初始问题中提供的github链接：https://github.com/googlesamples/android-ndk/tree/840858984e1bb8a7fab37c1b7c571efbe7d6eb75/hello-libs

2.1.在Android Studio项目中,打开CMakeLists.txt

2.2.添加以下内容：

# This will create a new "variable" holding the path to a directory

# where we will put our library and header files.

# Change this to your needs

set(distribution_DIR ${CMAKE_SOURCE_DIR}/distribution)

# This states that there exists a shared library called libtensorflowLite

# which will be imported (means it is not built with the rest of the project!)

add_library(libtensorflowLite SHARED IMPORTED)

# This indicates where the libtensorflowLite.so for each architecture is found relative to our distribution directory

set_target_properties(libtensorflowLite PROPERTIES IMPORTED_LOCATION

${distribution_DIR}/lib/${ANDROID_ABI}/libtensorflowLite.so)

# This indicates where the header files are found relative to our distribution dir

target_include_directories(native-lib PRIVATE

${distribution_DIR}/include)

# Finally, we make sure our libtensorflowLite.so is linked to our native-lib and loaded during runtime

target_link_libraries( # Specifies the target library.

native-lib

libtensorflowLite

# Links the target library to the log library

# included in the NDK.

${log-lib} )

2.3.打开Module：App的build.gradle(不是项目的！)

2.4.确保我们的图书馆将被打包到您的APK中

在Android部分中添加：

sourceSets {

main {

// let gradle pack the shared library into apk

jni.srcDirs = []

jniLibs.srcDirs = ['distribution/lib']

}

}

您可能需要编辑符合您需求的路径：此处的文件将打包到lib目录中的.apk中.

3.包括flatbuffers

TensorflowLite使用flatbuffers序列化库.我想如果你使用bazel构建项目,这将自动添加.但使用Android Studio时并非如此.

当然,您也可以添加静态库或共享库.

但是,对我来说,最简单的方法是让flatbuffers每次使用我的应用程序的其余部分进行编译(它不是那么大).

我将所有flatbuffers * .cpp源文件复制到我的项目中,并将它们添加到CMakeLists中.

4.复制TensorflowLite和flatbuffers所需的标头

在3.我刚刚将cpp文件复制到我的项目中.

但是,头文件需要位于我们在步骤2.2中在target_include_directories中设置的目录中.

因此,继续将所有flatbuffers(来自flatbuffers存储库)* .h文件复制到此目录.

接下来,从TensorflowLite存储库中,您需要tensorflow / contrib / lite目录中的所有头文件.但是,您应该保留文件夹结构

对我来说,它看起来像这样：

>分配

> lib

> arm64-v8a

> libtensorflowLite

> armeabi-v7a

> libtensorflowLite

>包括

> flatbuffers

> tensorflow

>贡献

>精简版

>内核

> nnapi

>架构

>工具

所以,如果我没有忘记任何事情,现在应该正确设置！

希望这有帮助,它对你有用,就像它对我一样;)

最好的祝福,

马丁

标签：c-2,android,android-ndk,tensorflow,android-studio-3-0

来源： https://codeday.me/bug/20190611/1216116.html