小米开源框架mace android案例调试
小米开源框架mace android案例调试
1. 准备工作
编译环境准备：请参照小米官方的文档：
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. 克隆源码
git clone https://github.com/XiaoMi/mace.git
修改最外层mace文件夹 为mace_new
3. 克隆mace model zoo
附上 mace-models与mace的源码，直接获取是最新的代码，可能后期与本篇博客的教程不一致，这里放上我调试时用的源码：
https://download.****.net/download/qq_27063119/10537143
4. 编译mace library
cd mace_new
bash tools/build-standalone-lib.sh
5.如果想要保护模型不被盗用，可以在转化静态库时将模型转化为C++代码，转化有两种方式
（1）将模型图转换为代码，将模型权重转换为具有以下模型配置的文件
model_graph_format: codemodel_data_format: file
（2）将模型图和模型权重转换为下面的模型配置代码
model_graph_format: codemodel_data_format: code
修改对应的yml文件
以使用mobilenet-v2为例，修改mace-models/mobilenet-v2 文件夹下的mobilenet-v2.yml和mobilenet-v2-host.yml
将
model_graph_format: filemodel_data_format: file
修改为
model_graph_format: codemodel_data_format: code
并保存
6.将模型转化为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
转化后会生成以下文件，其中include，lib，mobilenet-v2是需要用的
使用android studio打开 mace中的安卓项目
首先选择自己的ndk路径
选择好后，在android项目中的macelibrary/src/main/cpp 文件夹下
-- 新建include/mace/public文件夹
-- 新建lib文件夹
-- 新建model文件夹
如图所示：
接着：
（1）将builds/include/mace/public/ 下的mace.h 以及 mace_runtime.h拷贝进去macelibrary/src/main/cpp/include/mace/public中
（2）将builds/mobilenet-v2/include/mace/public/ 下的mace_engine_factory.h 以及 mobilenet_v2.h拷贝至 macelibrary/src/main/cpp/include/mace/public中
（3）将builds/mobilenet-v2/model 下的mobilenet-v2.a 拷贝至 macelibrary/src/main/cpp/model中，并修改mobilenet-v2.a 为 mobilenet.a
（4）将builds/lib下的文件都拷贝至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为例：修改成下图所示，mace_runtime.h，mobilenet_v2.h文件内都要改
全部改完后，由于这个测试的app默认是使用mobilenet_v1的模型的，所以我们更改一下代码让他使用mobilenet_v2，修改com.xiaomi.mace.demo.result下的InitData.java文件中的
model = MODELS[0];
改为：
model = MODELS[1];
即可
run，手机上安装后同意授权相机等，效果如图所示：
测试手机为：
小米6
高通骁龙835处理器，6G运行内存
mobilenet_v2的cpu运行速度平均为：1张图片/65ms
mobilenet_v2的gpu运行速度平均为：1张图片/20ms
很明显，检测的速度非常快，小米的mace网络调优很明显。