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：

%title插图%num

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]);
1
2
3
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。

%title插图%num
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*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 Paths

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);

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/lib

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。