ホーム » TensorFlow » TensorFlow : Mobile : TensorFlow on Android をビルドする

TensorFlow : Mobile : TensorFlow on Android をビルドする

TensorFlow : Mobile : TensorFlow on Android をビルドする (翻訳/解説)
翻訳 : (株)クラスキャット セールスインフォメーション
作成日時 : 12/12/2017

* 本ページは、TensorFlow の本家サイトの Mobile – Building TensorFlow on Android を翻訳した上で
適宜、補足説明したものです:

* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

TensorFlow on Android で貴方に作業を始めて頂くために、TensorFlow モバイル・デモをビルドしてそれらを Android デバイス上に配備するための2つの方法を walk through します。最初は Android Studio でこれは貴方に IDE でのビルドと配備を可能にします。2つめはコマンドライン上、Bazel でビルドして ADB で配備します。

何故これらの方法の一つあるいは他方を選択するのでしょうか?

TensorFlow on Android を使用するための最も単純な方法は Android Studio を利用することです。TensorFlow ビルドをカスタマイズする予定が全くないか、あるいはアプリケーションをビルドするために Android Studio エディタや他の特徴を使用することを望み、そして TensorFlow をそれに追加することを望むだけであれば、Android Studio の利用を推奨します。

カスタム ops を使用しているのであれば、あるいは TensorFlow をスクラッチからビルドする何某かの他の理由を持つ場合には、スクロールダウンして Bazel でデモをビルドするための手順を見てください。

 

Android Studio を使用してデモをビルドする

Prerequisites

次の2つのことを (まだであれば) 行ないます :

  • web サイトの手順をフォローして、Android Studio をインストールします。
  • Github から TensorFlow レポジトリをクローンします :
    git clone https://github.com/tensorflow/tensorflow
    

ビルドする

  1. Android Studio を Open して、そして Welcome スクリーンから Open an existing Android Studio project を選択します。
  2. 現れた Open File or Project ウィンドウから、TensorFlow Github レポジトリをクローンしたところからそれがどこでも tensorflow/examples/android ディレクトリへナビゲートして選択します。OK をクリックします。

    Grade Sync を行なうかを聞かれたら、OK をクリックしてください。

    “Failed to find target with hash string ‘android-23’ と類似のエラーを得た場合には、各種プラットフォームとツールをインストールする必要があるかもしれません。

  3. build.gradle ファイル (サイドパネルの 1:Project へ行き Android の下の Gradle Scripts zippy の下で見つけることができます) をオープンします。nativeBuildSystem 変数を探してまだであればそれを none に設定します :
    // set to 'bazel', 'cmake', 'makefile', 'none'
    def nativeBuildSystem = 'none'
    
  4. Run ボタン (グリーンの矢印) をクリックするかトップメニューから Run -> Run ‘android’ を使用します。

    Instant Run を使用するか聞かれたならば、Proceed Without Instant Run をクリックします。

    また、この時点で Android デバイス・プラグインを開発者オプションを有効にして持つことが必要です。開発者デバイスのセットアップについての詳細は こちら を見てください。

これは、総て TensorFlow Demo の一部である3つのアプリケーションを貴方のスマホにインストールします。それらの詳細は後述の「Android サンプル Apps」を見てください。

 

Android Studio を使用して TensorFlow を貴方のアプリケーションに追加する

Android 上で貴方自身のアプリケーションに TensorFlow を追加するためには、最も単純な方法は Gradle ビルドファイルに以下の行を追加することです :

allprojects {
    repositories {
        jcenter()
    }
}

dependencies {
    compile 'org.tensorflow:tensorflow-android:+'
}

これは TensorFlow の最新安定版を AAR (訳注: Android ARchive 形式) として自動的にダウンロードしてそれを貴方のプロジェクトにインストールします。

 

Bazel を使用してデモをビルドする

TensorFlow on Android を使用する他の方法は Bazel を使用して APK (Android Packge Kit 形式) をビルドしてそしてそれを ADB (Android Debug Bridge) を使用してデバイスにロードすることです。これはビルドシステムと Android 開発者ツールの何某かの知識を必要としますが、ここで基本を通してガイドしましょう。

  • 最初に、installing from sources の手順をフォローしてください。これはまた Bazel のインストールと TensorFlow コードのクローンも通してガイドします。
  • まだ持っていないのであれば Android SDKNDK をダウンロードします。少なくとも NDK のバージョン 12b、そして SDK の 23 が必要です。
  • TensorFlow ソースのコピーにおいて、貴方の SDK と NDK の場所で WORKSPACE ファイルを更新します、そこではそれは <PATH_TO_NDK> と <PATH_TO_SDK> で指し示されています。
  • デモ APK をビルドするために Bazel を実行します :
    bazel build -c opt //tensorflow/examples/android:tensorflow_demo
    
  • 貴方のデバイスに APK をインストールするために ADB を使用します :
    adb install -r bazel-bin/tensorflow/examples/android/tensorflow_demo.apk
    

[注意] 一般的には Android のために Bazel でコンパイルする時は Bazel コマンドラインで –config=android が必要です、このケースではこの特定のサンプルは Android-only ですのでここではそれは必要ありませんが。

これは、総て TensorFlow Demo の一部である3つのアプリケーションを貴方のスマホにインストールします。それらの詳細は下の「Android サンプル Apps」を見てください。

 

Android サンプル Apps

Android サンプルコードは、いずれも同じ基本的なコードを使用する、3つのサンプル・アプリケーションをビルドしてインストールする単一のプロジェクトです。サンプル・アプリケーションはいずれもスマホのカメラからビデオ入力を取ります :

  • TF Classify は、指し示される物体に ImageNet からのクラスでラベル付けするために Inception v3 モデルを使用します。Imagenet には 1,000 カテゴリがあるだけです、これは日常的な物体の殆どを漏らしていて現実の生活ではしばしば遭遇することがない多くのものを含んでいます、そのため結果はしばしば非常におもしろいものになるでしょう。例えば ‘person’ カテゴリがありませんので、(person の) 代わりにモデルはそれが知っている物として推測します。シートベルトや酸素マスクのようなしばしば人々の絵に関連付けられるものです。大切にする物体を認識するためにこのサンプルをカスタマイズすることを望む場合には、貴方自身のデータを基にどのようにモデルを訓練するかのためのサンプルとして TensorFlow for Poets codelab が使用できます。
  • TF Detect は、カメラ内の人々の位置の回りにバウンディングボックスを描こうとするために multibox モデルを使用します。これらのボックスは各検出結果の確信で注釈されます。結果は完全ではありません、何故ならばこの類の物体検出は依然として活発な研究トピックであるからです。デモはまたフレーム間で物体が移動するときのための光学的な追跡を含みます、これは TensorFlow 推論よりもより頻繁に動作します。これはユーザ体験を改善します、何故ならば見かけのフレームレートはより高速だからです、しかしそれはまたどのボックスがフレーム間で同じ物体を参照しているか、時間につれて物体をカウントするためにどれが重要であるかを見積もる能力を与えます。
  • TF Stylize は、カメラフィード上のリアルタイムの style transfer (スタイル変換) を実装します。どのスタイル(群)を使用するかを選択してそしてスクリーンのボトムのパレットを使用してそれらの間でミックスでき、そしてまた処理解像度をより高くするか低くするかを切り替えられます。

デモをビルドしてインストールするとき、貴方のスマホ上に3つのアプリケーション・アイコンを見るでしょう、デモのそれぞれのために一つです。それらをタップするとアプリケーションがオープンしてそれらが何をするか探検させてくれます。それらが動作している間にボリュームアップ・ボタンをタップすることでスクリーン上で profiling スタッツを有効にできます。

Android 推論ライブラリ

Android アプリケーションは Java で書かれる必要があり、そしてコア TensorFlow は C++ ですので、TensorFlow は2つの間のインターフェイスとして JNI ライブラリを持ちます。そのインターフェイスは推論のみを目的としていますので、グラフをロードし、入力をセットアップし、そして特定の出力を計算するためにモデルを実行するための機能を提供します。TensorFlowInferenceInterface.java のメソッドの最小限のセットのための完全なドキュメントを見ることができます。

デモ・アプリケーションはこのインターフェイスを使用していますので、サンプルの使用方法を探すためにはよい場所でしょう。事前ビルドされたバイナリ jars は ci.tensorflow.org でダウンロードできます。

 
以上



AI導入支援 #2 ウェビナー

スモールスタートを可能としたAI導入支援   Vol.2
[無料 WEB セミナー] [詳細]
「画像認識 AI PoC スターターパック」の紹介
既に AI 技術を実ビジネスで活用し、成果を上げている日本企業も多く存在しており、競争優位なビジネスを展開しております。
しかしながら AI を導入したくとも PoC (概念実証) だけでも高額な費用がかかり取組めていない企業も少なくないようです。A I導入時には欠かせない PoC を手軽にしかも短期間で認知度を確認可能とするサービの紹介と共に、AI 技術の特性と具体的な導入プロセスに加え運用時のポイントについても解説いたします。
日時:2021年10月13日(水)
会場:WEBセミナー
共催:クラスキャット、日本FLOW(株)
後援:働き方改革推進コンソーシアム
参加費: 無料 (事前登録制)
人工知能開発支援
◆ クラスキャットは 人工知能研究開発支援 サービスを提供しています :
  • テクニカルコンサルティングサービス
  • 実証実験 (プロトタイプ構築)
  • アプリケーションへの実装
  • 人工知能研修サービス
◆ お問合せ先 ◆
(株)クラスキャット
セールス・インフォメーション
E-Mail:sales-info@classcat.com