在使用 C++ 和 Java 的 Android 应用程序中包含 TFLite C API 时的构建问题

Posted 2023-02-22

【中文标题】在使用 C++ 和 Java 的 Android 应用程序中包含 TFLite C API 时的构建问题

【英文标题】：Build issue when including TFLite C API in Android app that uses C++ and Java

【发布时间】：2020-08-21 19:57:15

【问题描述】：

我通过 C++ 使用 TFLite 使用 NDK 构建我的应用程序，希望能帮助我解决链接错误。我关注的指南是https://www.tensorflow.org/lite/guide/android#use_tflite_c_api

我已将 TFLite C API 头文件和动态共享库包含在我使用 CMake 构建的程序中。

我收到以下错误：

../../../../src/main/cpp/TFLiteExample.cpp:17: error: undefined reference to 'TfLiteModelCreateFromFile'

一些附加信息：我在app/src/main/includes 中包含了头文件，在app/src/main/jni 中包含了.so 动态库。 CMakeLists.txt 文件位于 app/src/main 中。下面是CMakeLists.txt的相关组件：

cmake_minimum_required(VERSION 3.4.1)
set(CMAKE_FIND_ROOT_PATH_MODE_LIBRARY BOTH)
set(CMAKE_VERBOSE_MAKEFILE ON)

###Internal Linking

#Add internal C++ libraries
add_library( native-lib SHARED src/main/cpp/native-lib.cpp )
add_library( TFLiteExample SHARED src/main/cpp/TFLiteExample.cpp)

add_library( tensorflowlite_jni SHARED IMPORTED )
set_property(TARGET tensorflowlite_jni
    PROPERTY IMPORTED_LOCATION $PROJECT_SOURCE_DIR/src/main/jni/libtensorflowlite_jni.so)

#Make directories visible to all C++ files
include_directories(src/main/includes)
include_directories(src/main/cpp)
include_directories(src/main/jni)

# Specify the libraries which our native library is dependent on, including Oboe
target_link_libraries (native-lib tensorflowlite_jni TFLiteExample)

target_link_libraries(TFLiteExample tensorflowlite_jni)

这里是TFLiteExample.h：

#ifndef TEST2_TFLITEEXAMPLE_H
#define TEST2_TFLITEEXAMPLE_H

// TFLite include files

#include <builtin_ops.h>
#include <c_api.h>
#include <c_api_experimental.h>
#include <common.h>


class TFLiteExample 
    public:
    TFLiteExample();
    static void TFLitePredict();
;


#endif //TEST2_TFLITEEXAMPLE_H

这里是TFLiteExample.cpp：

#include "TFLiteExample.h"

TFLiteExample::TFLiteExample()


void TFLiteExample::TFLitePredict() 
TfLiteModel* model = TfLiteModelCreateFromFile("/src/main/assets/_quant.tflite");

标题 common.h 和 c_api.h 都是来自 Tensorflow 的代码。除了将#include "../../../../../../../../../../../Library/Android/sdk/ndk/20.0.5594570/toolchains/llvm/prebuilt/darwin-x86_64/sysroot/usr/include/c++/v1/stdbool.h" 等相对包含路径替换为#include <cstdbool> 之外，我没有修改代码。

common 开头包含以下内容：

#ifndef TENSORFLOW_LITE_C_COMMON_H_
#define TENSORFLOW_LITE_C_COMMON_H_

#include <cstdbool>
#include <stddef>
#include <stdint>

#ifdef __cplusplus
extern "C" 
#endif  // __cplusplus
...

还有c_api 和：

#ifndef TENSORFLOW_LITE_C_C_API_H_
#define TENSORFLOW_LITE_C_C_API_H_

#include <stdarg>
#include <stdint>

#include "common.h"

#ifdef __cplusplus
extern "C" 
#endif  // __cplusplus
...

【问题讨论】：

“C 头文件包括使用相对路径的 C++ 标准头文件” - 几乎在任何情况下，这是克服约束的错误方式。如果标准头文件不能以“短”方式访问，则根本不应该使用它们。

@Tsyvarev 我将相对路径包含替换为短包含#include <cstdint>。现在，程序无法读取 TFLite C API：../../../../src/main/cpp/TFLiteExample.cpp:39: error: undefined reference to 'TfLiteModelDelete'

“现在，程序无法读取 TFLite C API” - 不，程序已成功包含 headers。 “未定义的引用”是 linking 阶段的错误，发生在 compile 之后。请在问题帖子中实现代码和错误消息。

谢谢@Tsyvarev。我刚刚更新了帖子。

【参考方案1】：

更新：程序已按照以下说明成功构建： https://***.com/a/63372486/4008884.

我做了以下修改：

首先，我替换了文件结构

app/src/main/jni/libtensorflowlite_jni.so

与

app/src/main/jni/arm64-v8a/libtensorflowlite_jni.so
app/src/main/jni/armeabi-v7a/libtensorflowlite_jni.so
app/src/main/jni/x86_64/libtensorflowlite_jni.so
app/src/main/jni/x86/libtensorflowlite_jni.so

其次，我将 TFLite C API 标头移动到同一目录 app/src/main/jni/。

第三，我在build.gradle 的android 部分包含以下内容：

ndk 
    abiFilters 'x86', 'x86_64', 'armeabi-v7a', 'arm64-v8a'

最后，我在 CMakeLists.txt 的链接中添加了$ANDROID_ABI：

set(JNI_DIR $PROJECT_SOURCE_DIR/src/main/jni)
add_library( tensorflowlite_jni SHARED IMPORTED)

set_target_properties(tensorflowlite_jni
        PROPERTIES IMPORTED_LOCATION
        $JNI_DIR/$ANDROID_ABI/libtensorflowlite_jni.so)

include_directories( $JNI_DIR )

target_link_libraries(native-lib tensorflowlite_jni)

【参考方案2】：

我的功能有问题 显示的错误是undefined reference to TfLiteModelCreateFromFile；我想在 C 语言的程序中使用 API C for TensorFlow。这是我的程序

int32_t main(int32_t argc, char *argv[])   
 
  TfLiteModel* model = TfLiteModelCreateFromFile("iris.tflite");
  TfLiteInterpreterOptions*options =TfLiteInterpreterOptionsCreate();