Google Play 服务 C API 中的 TensorFlow Lite（Beta 版）

借助 Google Play 服务运行时中的 TensorFlow Lite，您无需将 TensorFlow Lite 库静态绑定到您的应用中，即可运行机器学习 (ML) 模型。本指南介绍了如何使用适用于 Google Play 服务的 C API。

在 Google Play 服务 C API 中使用 TensorFlow Lite 之前，请确保已安装 CMake 构建工具。

更新构建配置

将以下依赖项添加到您的应用项目代码中，以访问适用于 TensorFlow Lite 的 Play 服务 API：

implementation "com.google.android.gms:play-services-tflite-java:16.2.0-beta02"

然后，更新模块的 build.gradle 文件的 Android 块，启用 Prefab 功能以从 CMake 脚本访问 C API：

buildFeatures {
  prefab = true
}

最后，您需要将从 AAR 导入的软件包 tensorflowlite_jni_gms_client 添加为 CMake 脚本的依赖项：

find_package(tensorflowlite_jni_gms_client REQUIRED CONFIG)

target_link_libraries(tflite-jni # your JNI lib target
        tensorflowlite_jni_gms_client::tensorflowlite_jni_gms_client
        android # other deps for your target
        log)

# Also add -DTFLITE_IN_GMSCORE -DTFLITE_WITH_STABLE_ABI
# to the C/C++ compiler flags.

add_compile_definitions(TFLITE_IN_GMSCORE)
add_compile_definitions(TFLITE_WITH_STABLE_ABI)

初始化 TensorFlow Lite 运行时

在调用 TensorFlow Lite 原生 API 之前，您必须在 Java/Kotlin 代码中初始化 TfLiteNative 运行时。

Task tfLiteInitializeTask = TfLiteNative.initialize(context);
      

val tfLiteInitializeTask: Task = TfLiteNative.initialize(context)
        

使用 Google Play Services Task API，TfLiteNative.initialize 可将 TFLite 运行时从 Google Play 服务异步加载到应用的运行时进程中。在执行用于访问 TensorFlow Lite API 的代码之前，请使用 addOnSuccessListener() 确保 TfLite.initialize() 任务完成。成功完成任务后，您可以调用所有可用的 TFLite 原生 API。

原生代码实现

如需将 Google Play 服务中的 TensorFlow Lite 与原生代码搭配使用，您可以执行以下任一操作：

• 声明新的 JNI 函数，以从 Java 代码调用原生函数
• 从现有的原生 C 代码调用 TensorFlow Lite 原生 API。

JNI 函数：

您可以声明一个新的 JNI 函数，以使在 Java/Kotlin 中声明的 TensorFlow Lite 运行时可供您的原生代码访问，如下所示：

package com.google.samples.gms.tflite.c;

public class TfLiteJni {
  static {
    System.loadLibrary("tflite-jni");
  }
  public TfLiteJni() { /**/ };
  public native void loadModel(AssetManager assetManager, String assetName);
  public native float[] runInference(float[] input);
}
      

package com.google.samples.gms.tflite.c

class TfLiteJni() {
  companion object {
    init {
      System.loadLibrary("tflite-jni")
    }
  }
  external fun loadModel(assetManager: AssetManager, assetName: String)
  external fun runInference(input: FloatArray): FloatArray
}
        

匹配以下 loadModel 和 runInference 原生函数：

#ifdef __cplusplus
extern "C" {
#endif

void Java_com_google_samples_gms_tflite_c_loadModel(
  JNIEnv *env, jobject tflite_jni, jobject asset_manager, jstring asset_name){
  //...
}

jfloatArray Java_com_google_samples_gms_tflite_c_TfLiteJni_runInference(
  JNIEnv* env, jobject tfliteJni, jfloatArray input) {
  //...
}

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

然后，您可以从 Java/Kotlin 代码调用 C 函数：

tfLiteHandleTask.onSuccessTask(unused -> {
    TfLiteJni jni = new TfLiteJni();
    jni.loadModel(getAssets(), "add.bin");
    //...
});
    

tfLiteHandleTask.onSuccessTask {
    val jni = TfLiteJni()
    jni.loadModel(assets, "add.bin")
    // ...
}
      

使用 C 代码编写的 TensorFlow Lite

添加相应的 API 头文件，以便包含 TfLite with Google Play services API：

#include "tensorflow/lite/c/c_api.h"

然后，您可以使用常规 TensorFlow Lite C API：

auto model = TfLiteModelCreate(model_asset, model_asset_length);
// ...
auto options = TfLiteInterpreterOptionsCreate();
// ...
auto interpreter = TfLiteInterpreterCreate(model, options);

带有 Google Play 服务原生 API 头文件的 TensorFlow Lite 提供与常规 TensorFlow Lite C API 相同的 API，但已弃用或实验性的功能除外。目前，c_api.h、c_api_types.h 和 common.h 头文件中的函数和类型可用。请注意，不支持 c_api_experimental.h 头文件中的函数。

您可以通过添加 tflite.h 来将 TensorFlow Lite 专用函数与 Google Play 服务搭配使用。