你好,游客 登录 注册 搜索
背景:
阅读新闻

深度学习之在iOS上运行CNN

[日期:2015-07-15] 来源:CSDN博客  作者:songrotek [字体: ]

  1 引言

  作为曾经的iOS开发者,在研究深度学习的时候,总有一个想法就是在iPhone上运行深度学习,不管是在手机上训练还是利用训练好的数据进行测试。

  因为iOS的开发环境支持C++,因此,只要你的代码是C/C++,本质上就可以在iOS上运行。

  怎么才能更快更好地在iOS上运行CNN呢?

  2 方法1:通过Matlab转码

  Matlab自带转成c的工具,如果你研究过UFLDL的深度学习教程,就知道如何在Matlab上使用CNN,那么,转换成c后,放到iOS的开发环境中,然后将参数存成txt格式再读取分割,也就是可以实现。

  如下图就是已经将matlab代码转换为c后导入的结果:

 

这里写图片描述

  打开predict.h文件,可以看到可以调用的接口:

  /* Function Declarations */

  extern real_T predict(const real_T Theta1[10025], const real_T Theta2[260], const real_T X[400]);

  123

  这是训练MNIST的一个神经网络,我这边用了测试手写数字的识别。

  因此,接下来需要对图片进行处理,从而转换为x[400]的向量格式。

  这个只要能读取图片的像素,进行转换就可以。可以考虑用opencv来实现。

  

这里写图片描述

  这里我的方法是在用手画出数字之后,将图片转换为20*20像素的图片,如右下角所示,再将右下角的图片转换为400的数组,输入predict得到的结果。

  3 方法2:使用DeepBeliefSDK

  https://github.com/jetpacapp/DeepBeliefSDK

  这个是别人专门写的一个用于iOS的深度学习的SDK。可以使用,但是存在的问题就是如果要自己训练的话很受限制。

  4 方法3:使用tinyCNN

  https://github.com/nyanp/tiny-cnn

  这个很不错,它对比Caffe,Theano等框架最大的特点就是不需要安装,只要能用C++ 11.然后里面的例子使用了boost库。因此,为了运行它,我们需要在xcode安装ios的boost库。

  网上找到了一个编译好的boost库:

  https://github.com/danoli3/ofxiOSBoost

  导入boost库的方法非常简单:

  In Xcode Build Settings for your project:

  Add to Library Search Paths ( LIBRARY_SEARCH_PATHS ) $(SRCROOT)/../../../addons/ofxiOSBoost/libs/boost/lib/ios

  Add to Header Search Paths ( HEADER_SEARCH_PATHS )

  $(SRCROOT)/../../../addons/ofxiOSBoost/libs/boost/include

  In the Target under Build Phases

  Add to 'Link Binary With Libraries' the boost.a found in the ofxiOSBoost/libs/boost/lib/ios directory.

  If not openFrameworks just add the libs/boost/include to Header Search Paths and the libs/boost/ios to Library Search Paths123456789

  那么具体在创建iOS应用的时候,这里使用作者提供的训练MNIST的例子,那么要注意在使用数据时,要更改路径:

  NSString *trainLabels = [[NSBundle mainBundle] pathForResource:@"train-labels" ofType:@"idx1-ubyte"];

  NSString *trainImages = [[NSBundle mainBundle] pathForResource:@"train-images" ofType:@"idx3-ubyte"];

  NSString *t10kLabels = [[NSBundle mainBundle] pathForResource:@"t10k-labels" ofType:@"idx1-ubyte"];

  NSString *t10kImages = [[NSBundle mainBundle] pathForResource:@"t10k-images" ofType:@"idx3-ubyte"];

  parse_mnist_labels([trainLabels cStringUsingEncoding:NSUTF8StringEncoding], &train_labels);

  parse_mnist_images([trainImages cStringUsingEncoding:NSUTF8StringEncoding], &train_images);

  parse_mnist_labels([t10kLabels cStringUsingEncoding:NSUTF8StringEncoding], &test_labels);

  parse_mnist_images([t10kImages cStringUsingEncoding:NSUTF8StringEncoding], &test_images);12345678910

  基本上这样就可以运行开始训练了。

  如果想在Mac上训练,同样需要安装boost库。这个只要在官网下载boost,我用的是1.58版本。然后在terminal中安装,cd到路径,然后./boostrap.sh 然后./b2 安装就可以。然后在xcode引入路径:

  The Boost C++ Libraries were successfully built!

  The following directory should be added to compiler include paths:

  /Users/.../.../.../boost

  The following directory should be added to linker library paths:

  /Users/.../.../.../boost/stage/lib123456789

  路径初始为自己boost的文件夹地址。

  4 小结

  上面说了一些很方便的方法来实现在iOS下运行CNN。当然,我们更多需要就是进行图像的识别。相信大家自己测试会觉得很有趣。





收藏 推荐 打印 | 录入:Cstor | 阅读:
相关新闻       iOS 
本文评论   查看全部评论 (3)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款