小米開源框架mace android案例調試
1. 準備工作
編譯環境準備:請參照小米官方的文檔:
https://mace.readthedocs.io/en/latest/installation/env_requirement.html
Required dependencies
Software | Installation command | Tested version |
---|
Python | | 2.7 |
Bazel | bazel installation guide | 0.13.0 |
CMake | apt-get install cmake | >= 3.11.3 |
Jinja2 | pip install -I jinja2==2.10 | 2.10 |
PyYaml | pip install -I pyyaml==3.12 | 3.12.0 |
sh | pip install -I sh==1.12.14 | 1.12.14 |
Optional dependencies
Software | Installation command | Remark |
---|
Android NDK | NDK installation guide | Required by Android build, r15b, r15c, r16b |
ADB | apt-get install android-tools-adb | Required by Android run, >= 1.0.32 |
TensorFlow | pip install -I tensorflow==1.6.0 | Required by TensorFlow model |
Docker | docker installation guide | Required by docker mode for Caffe model |
Numpy | pip install -I numpy==1.14.0 | Required by model validation |
Scipy | pip install -I scipy==1.0.0 | Required by model validation |
FileLock | pip install -I filelock==3.0.0 | Required by Android run |
2. 克隆源碼
修改最外層mace文件夾 爲mace_new
3. 克隆mace model zoo
附上 mace-models與mace的源碼,直接獲取是最新的代碼,可能後期與本篇博客的教程不一致,這裏放上我調試時用的源碼:
https://download.csdn.net/download/qq_27063119/10537143
4. 編譯mace library
cd mace_new
bash tools/build-standalone-lib.sh
5.如果想要保護模型不被盜用,可以在轉化靜態庫時將模型轉化爲C++代碼,轉化有兩種方式
(1)將模型圖轉換爲代碼,將模型權重轉換爲具有以下模型配置的文件
model_graph_format: codemodel_data_format: file
(2)將模型圖和模型權重轉換爲下面的模型配置代碼
model_graph_format: codemodel_data_format: code
修改對應的yml文件
以使用mobilenet-v2爲例,修改mace-models/mobilenet-v2 文件夾下的mobilenet-v2.yml和mobilenet-v2-host.yml
將
model_graph_format: filemodel_data_format: file
修改爲
model_graph_format: codemodel_data_format: code
並保存
6.將模型轉化爲mace格式的模型
python tools/converter.py convert --config=/media/root/B/python/mace_0711/mace-models/mobilenet-v2/mobilenet-v2.yml
轉化後會生成以下文件,其中include,lib,mobilenet-v2是需要用的
使用android studio打開 mace中的安卓項目
首先選擇自己的ndk路徑
選擇好後,在android項目中的macelibrary/src/main/cpp 文件夾下
-- 新建include/mace/public文件夾
-- 新建lib文件夾
-- 新建model文件夾
如圖所示:
接着:
(1)將builds/include/mace/public/ 下的mace.h 以及 mace_runtime.h拷貝進去macelibrary/src/main/cpp/include/mace/public中
(2)將builds/mobilenet-v2/include/mace/public/ 下的mace_engine_factory.h 以及 mobilenet_v2.h拷貝至 macelibrary/src/main/cpp/include/mace/public中
(3)將builds/mobilenet-v2/model 下的mobilenet-v2.a 拷貝至 macelibrary/src/main/cpp/model中,並修改mobilenet-v2.a 爲 mobilenet.a
(4)將builds/lib下的文件都拷貝至macelibrary/src/main/cpp/lib中
(5)修改macelibrary/src/main/cpp/include/mace/public下所有.h文件中引入的文件地址
以mace_engine_factory.h爲例:修改成下圖所示,mace_runtime.h,mobilenet_v2.h文件內都要改
全部改完後,由於這個測試的app默認是使用mobilenet_v1的模型的,所以我們更改一下代碼讓他使用mobilenet_v2,修改com.xiaomi.mace.demo.result下的InitData.java文件中的
model = MODELS[0];
改爲:
model = MODELS[1];
即可
run,手機上安裝後同意授權相機等,效果如圖所示:
測試手機爲:
小米6
高通驍龍835處理器,6G運行內存
mobilenet_v2的cpu運行速度平均爲:1張圖片/65ms
mobilenet_v2的gpu運行速度平均爲:1張圖片/20ms
很明顯,檢測的速度非常快,小米的mace網絡調優很明顯。