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：
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。
|
