在移动平台上使用tensorflow图片分类 （android and ios）

项目github

我做的参考项目

我完成了一个简单了android上的图片分类相册，tf部分已经正常工作了，你可以参考，项目github

效果展示

添加了app预览如下，更详细请到github 分类预览1： 拍照分类： 程序启动： 自动分类为相册：

这里有几篇博客你可以参考

博客零，忽略docker部分，用bazel训练一个pc可用的图片分类模型

博客一，将上面的模型处理为移动端可用的

博客二，可参考

博客三，使用的是python脚本训练模型，可能需要翻墙

如果没有训练图片？

可以使用py爬虫到百度图片爬以获取所需类别的训练用图片，python3下的爬虫脚本请到我的github

spider.py从百度图片爬相应类别的图片，到config.py中编写你需要的类别。注意爬之前先到百度图片上按照类名搜一下，对同一类的图片不同的名字爬取的效果不同deal_pics.py处理下载后的图片，因为tf处理过程中如果图片格式错误或者无法打开会终止处理，所以需要先把不合法的图删除。自己看一下改一下或者自己写一下。

注：脚本核心算法非原创

使用自己的模型出现了问题？

什么jpegdecoder问题，这个我遇到了，原因是tf为了保证移动端的体积，一部分功能没有加进去（猜的），所以pc上的模型需要进一步处理才可以用。我建议将tf升级到0.12以上。对了处理自己的模型只需要两条指令，具体看下面的代码部分。其他问题？我没遇到过，我经过第1步后就可以用了，我建议你到git上提出一个issue，那里的大牛很热心，我遇到这个问题就是到那里提问然后他们回答的。

一般需要的命令

######################## # build 图片分类工具，在tensorflow根目录下 bazel build -c opt --copt=-mavx tensorflow/examples/image_retraining:retrain # 运行图片处理 bazel-bin/tensorflow/examples/image_retraining/retrain \ --bottleneck_dir=/tf_files/bottlenecks \ --model_dir=/tf_files/inception \ --output_graph=/tf_files/retrained_graph.pb \ # 训练后得到的模型位置和名称 --output_labels=/tf_files/retrained_labels.txt \ # 模型的lable，都有啥类别（处理后得到的是索引，然后到这里相应的位置对应类别 --image_dir /tf_files/flower_photos # 待训练的图片的位置，flower_photos是总目录，下面按照类别还有子目录，类别名就是子目录名，子目录下是相应的图片， ######################## # pc上使用分类模型 # build工具 bazel build tensorflow/examples/label_image:label_image #分类 bazel-bin/tensorflow/examples/label_image/label_image \ --graph=/tf_files/retrained_graph.pb \ --labels=/tf_files/retrained_labels.txt \ --output_layer=final_result \ --image=/tf_files/flower_photos/daisy/21652746_cc379e0eea_m.jpg #待分类图片位置 ######################### # 移动端迁移，为了保证tf在移动端较小，因此部分pc上可用的功能并不在移动端的动态链接库上，一次模型不能直接使用，需要预处理 # 移动端需要的动态链接库可以到tf的github上直接下载，现在已经有了 # 预处理工具 bazel build tensorflow/python/tools:optimize_for_inference # 处理 bazel-bin/tensorflow/python/tools/optimize_for_inference \ --input=/tf_files/retrained_graph.pb \ --output=/tf_files/optimized_graph.pb \ #处理后的模型名 --input_names=Mul \ --output_names=final_result # ios请参考0和1两篇博客，以上命令都可以在上面找到 # ios上博客https://petewarden.com/2016/09/27/tensorflow-for-mobile-poets/