本文主要向大家介绍了机器学习入门之机器学习:初识TensorFlow在iOS上的编译，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

前言：Google 开源的深度学习框架 tensorflow 成为2016年最受欢迎的深度学习框架之一。tensorflow 除了支持 pc 端外，还较好的支持了 iOS，android 移动端平台。
下面我们开始学习如何编译 tensorflow 在iOS平台上运行。

我的运行环境

macOS High Sierra Version: 10.13.3

Xcode Version: 9.2

以下文章为参考 tensorflow 的官方使用文档 编译 iOS 平台上的 tensorflow 库。

tensorflow 的仓库 repo 位于 Github 上，我们作为开发者要在其基础上做开发，首先就需要 fork 一份 repo 到自己的 Github 账户下。

一、安装所需工具

工欲善其事必先利其器，在开始编译工作之前，需要准备一些编译所必须的工具：

安装 命令行工具 (command-line tools)：

xcode-select --install

install the command-line tools.jpg

2、安装 Homebrew：
Homebrew: Mac os x 上包管理工具，具体使用方法可参考Doc。

/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"

install homebrew.jpg

3、然后安装  automake/libtool：

brew install automake
brew install libtool

install automake/libtool.jpg

4、另外还要下载模型数据包 graphs :

mkdir -p ~/graphs
curl -o ~/graphs/inception.zip \n https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip \n && unzip ~/graphs/inception.zip -d ~/graphs/inception

二、克隆 TensorFlow 的源码

git clone https://github.com/tensorflow/tensorflow

三、编译 TensorFlow 的iOS 静态库

1、在 TensorFlow 的 tensorflow/contrib/makefile/ 目录下，有很多可使用的编译脚本，其中build_all_ios.sh脚本专门用来一键编译TensorFlow iOS静态库

tensorflow/contrib/makefile/.jpg

2、执行 build_all_ios.sh 脚本进行编译：

tensorflow/contrib/makefile/build_all_ios.sh

这步编译非常耗时，我花了大概 100分钟左右才编译完成。

build_all_ios.sh.jpg

3、编译完成后，打开文件可以看到 libtensorflow-core.a 所在的路径和支持的 CPU 架构 armv7，armv7s，i386，x86_64，arm64 如下：

libtensorflow-core.jpg

lib-info.jpg

4、打开 tensorflow/contrib/examples/ios-example 下的 Xcode 工程，编译报错，原来是缺少数据模型文件和 Cocoapods 未安装。

1521165594033.jpg

四、下载工程所需要的数据模型

参考TensorFlow iOS Examples 文档 加载 iOS demo 工程所需要的数据模型

在tensorflow文件夹的根目录下，下载Inception v1，并将标签和图形文件提取到数据文件夹中，包括简单的和相机的例子，需要操作的命令如下:

mkdir -p ~/graphs
curl -o ~/graphs/inception5h.zip \n https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip \n && unzip ~/graphs/inception5h.zip -d ~/graphs/inception5h
cp ~/graphs/inception5h/* tensorflow/examples/ios/benchmark/data/
cp ~/graphs/inception5h/* tensorflow/examples/ios/camera/data/
cp ~/graphs/inception5h/* tensorflow/examples/ios/simple/data/

具体操作：先进入 tensorflow 的根目录，然后依次执行上面的命令。

graphs.jpg

四、工程中 Cocoapods 的安装

1、将目录更改为其中一个示例，下载TensorFlow-experimental pod，并打开Xcode工作区。观察:安装pod可以花很长时间，因为它很大(~450MB)。例如，如果你想运行一个简单的示例，那么:

cd tensorflow/examples/ios/simple
pod install
open tf_simple_example.xcworkspace # obs, not the .xcodeproj directory

2、但是我在执行 pod install 的时候遇到了问题，TensorFlow-experimental无法被安装：

Analyzing dependencies
[!] Unable to find a specification for `TensorFlow-experimental`

随后我在Stackoverflow:The pod TensorFlow-experimental is not found的问题上找到了解决方法。
然后，我重新安装和更新了最新版本的CocoaPods，问题解决，如图：

pod setup.jpg

Cocoapods install.jpg

最后再一次执行 pod install，安装 TensorFlow-experimental成功：

1521185266558.jpg

1521186154203.jpg

五、真机测试

打开工程 tf_camera_example.xcworkspace ，连上真机运行，开始通过手机摄像头，测试机器识别物体的概率：

苹果识别率高达85%，水瓶 83%，电脑62%，键盘 74%

IMG_1581.jpg

IMG_1580.jpg

IMG_1576.jpg

IMG_1577.jpg

总结：

编译过程：
还是比较繁琐的，我严格按照官方文档的说明，一步一步进行安装，避免了一些不必要的坑，安装过程还是比较流畅的。

遇到的坑：
在一些细节的安装路径上没有太注意，写错路径导致某些依赖库安装失败。遇到 Cocoapods 无法安装 TensorFlow-experimental 在这上面花了些时间。

花费的时间：
除了上面遇到坑所花费的时间，编译的过程和下载的过程中，等待的时间比较多，因为要下载的依赖库、文件和工具大部分都是外网，所以下载速度堪忧，建议用VPN下载节约时间。

学到的知识：
初步学习到了 TensorFlow 在 iOS 上安装的整个过程，了解了 TensorFlow 源码的主要文件结构，使用了示例工程进行测试。

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！