# Android开发文档 用户可通过如下两种方式，交叉编译Android平台上适用的paddle-mobile库： - 基于Docker容器编译 - 基于Linux交叉编译 ## 基于Docker容器编译 ### 1. 安装 docker 安装 docker 的方式，参考官方文档 [https://docs.docker.com/install/](https://docs.docker.com/install/) ### 2. 使用 docker 搭建构建环境 首先进入 paddle-mobile 的目录下，执行 `docker build` 以 Linux/Mac 为例 (windows 建议在 'Docker Quickstart Terminal' 中执行) ``` $ docker build -t paddle-mobile:dev - < Dockerfile ``` 使用 `docker images` 可以看到我们新建的 image ``` $ docker images REPOSITORY TAG IMAGE ID CREATED SIZE paddle-mobile dev 33b146787711 45 hours ago 372MB ``` ### 3. 使用 docker 构建 进入 paddle-mobile 目录，执行 docker run ``` $ docker run -it --mount type=bind,source=$PWD,target=/paddle-mobile paddle-mobile:dev root@5affd29d4fc5:/ # cd /paddle-mobile # 生成构建 android 产出的 Makefile root@5affd29d4fc5:/ # rm CMakeCache.txt root@5affd29d4fc5:/ # cmake -DCMAKE_TOOLCHAIN_FILE=tools/toolchains/arm-android-neon.cmake # 生成构建 linux 产出的 Makefile root@5affd29d4fc5:/ # rm CMakeCache.txt root@5affd29d4fc5:/ # cmake -DCMAKE_TOOLCHAIN_FILE=tools/toolchains/arm-linux-gnueabi.cmake ``` ### 4. 设置编译选项 可以通过 ccmake 设置编译选项 ``` root@5affd29d4fc5:/ # ccmake . Page 1 of 1 CMAKE_ASM_FLAGS CMAKE_ASM_FLAGS_DEBUG CMAKE_ASM_FLAGS_RELEASE CMAKE_BUILD_TYPE CMAKE_INSTALL_PREFIX /usr/local CMAKE_TOOLCHAIN_FILE /paddle-mobile/tools/toolchains/arm-android-neon.cmake CPU ON DEBUGING ON FPGA OFF LOG_PROFILE ON MALI_GPU OFF NET googlenet USE_EXCEPTION ON USE_OPENMP OFF ``` 修改选项后，按 `c`, `g` 更新 Makefile ### 5. 构建 使用 make 命令进行构建 ``` root@5affd29d4fc5:/ # make ``` ### 6. 查看构建产出 构架产出可以在 host 机器上查看，在 paddle-mobile 的目录下，build 以及 test/build 下，可以使用 adb 指令或者 scp 传输到 device 上执行 ## 基于Linux交叉编译 ### 交叉编译环境准备 ##### 下载Android NDK 从源码交叉编译paddle-mobile,用户需要提前准备好交叉编译环境。Android平台使用的C/C++交叉编译工具链是[Android NDK](https://developer.android.com/ndk/)，用户可以自行前往下载，也可以通过以下命令获取： - Mac平台 ``` wget https://dl.google.com/android/repository/android-ndk-r17b-darwin-x86_64.zip unzip android-ndk-r17b-darwin-x86_64.zip ``` - Linux平台 ``` wget https://dl.google.com/android/repository/android-ndk-r17b-linux-x86_64.zip unzip android-ndk-r17b-linux-x86_64.zip ``` ##### 设置环境变量 工程中自带的独立工具链会根据环境变量NDK_ROOT查找NDK，因此需要配置环境变量： ``` export NDK_ROOT = "path to ndk" ``` ### 执行编译 在paddle-mobile根目录中，执行以下命令： ``` cd tools sh build.sh android ``` 执行完毕后，生成的so位于build目录中，单测可执行文件位于test/build目录中。 ##### Tips: 如果想要获得体积更小的库，可选择编译支持指定模型结构的库。 如执行如下命令： ``` sh build.sh android googlenet ``` 会得到一个支持googlnet的体积更小的库。 ##测试 在编译完成后，我们提供了自动化的测试脚本，帮助用户将运行单测文件所需要的模型及库文件push到Android设备中，执行以下命令： ``` cd tools/android-debug-script sh run_on_android.sh (npm) 可选参数npm,用于选择是否传输模型文件到手机上 ``` 出现如下提示： ``` **** choose OP or NET to test **** which to test : ``` 输入名称即可运行对应的测试文件。 ##部署 Android应用可通过JNI接口调用底层C/C++，paddle-mobile对外提供的JNI接口如下： ##### 1 load接口 加载模型参数 - 用于加载参数文件分散的模型 ``` /** * Load seperated parameters * @param modelDir * @return */ public static native boolean load(String modelDir); ``` - 用于加载参数文件合并的模型文件 ``` /** * Load combined parameters * @param modelPath * @param paramPath * @return */ public static native boolean loadCombined(String modelPath,String paramPath); ``` ##### 2 predict接口 执行预测 - 接受预处理过的RGB数组的predict接口 ``` /** *@param buf 输入数据 *@return 输出数据 JNIEXPORT jfloatArray JNICALL Java_com_baidu_paddle_PML_predictImage( JNIEnv *env, jclass thiz, jfloatArray buf); ``` - 接受原始yuv数据的predict接口 ``` /** * * @param buf yuv420格式的字节数组 * @param imgWidth yuv数据的宽 * @param imgHeight yuv数据的高 * @param ddims 输入数据的形状 * @param meanValues 模型训练时各通道的均值 * @return */ public static native float[] predictYuv(byte[] buf, int imgWidth, int imgHeight, int[] ddims, float[]meanValues); ``` ##### 3 clear接口 销毁实例、清理内存操作 ``` JNIEXPORT void JNICALL Java_com_baidu_paddle_PMLL_clear(JNIEnv *env, jclass thiz); ```