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
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 \ https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip \ && 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 \ https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip \ && 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。
本文参考资料：
本文作者：Harveyhhw 转载请注明。
作者：Harveyhhw
链接：https://www.jianshu.com/p/764357ea773a
随时随地看视频
