Guía de inicio rápido para iOS

Esta app de ejemplo usa la clasificación de imágenes para clasificar continuamente lo que vea en la cámara posterior del dispositivo y mostrar las clasificaciones más probables. Permite al usuario elegir entre un modelo de punto flotante o un modelo cuantizado y seleccionar la cantidad de subprocesos sobre los que desea realizar inferencias.

Agrega TensorFlow Lite a tu proyecto de Swift o de Objective-C

TensorFlow Lite ofrece bibliotecas nativas para iOS escritas en Swift y Objective-C.

En las siguientes secciones, se muestra cómo agregar Objective-C o Swift de TensorFlow Lite a tu proyecto:

Desarrolladores de CocoaPods

En tu Podfile, agrega el Pod de TensorFlow Lite. Luego, ejecuta pod install.

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objective‑C

pod 'TensorFlowLiteObjC'

Especifica versiones

Hay versiones estables y versiones nocturnas disponibles para los Pods TensorFlowLiteSwift y TensorFlowLiteObjC. Si no especificas una restricción de versión como en los ejemplos anteriores, CocoaPods extraerá la versión estable más reciente de forma predeterminada.

También puedes especificar una restricción de versión. Por ejemplo, si deseas depender de la versión 2.10.0, puedes escribir la dependencia de la siguiente manera:

pod 'TensorFlowLiteSwift', '~> 2.10.0'

Esto garantizará que se use en tu app la versión 2.x.y más reciente disponible del Pod TensorFlowLiteSwift. Como alternativa, si deseas depender de las compilaciones nocturnas, puedes escribir lo siguiente:

pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly'

A partir de la versión 2.4.0 y las versiones nocturnas más recientes, la GPU y los delegados de Core ML se excluyen del pod de forma predeterminada para reducir el tamaño de los objetos binarios. Para incluirlos, especifica la subespecificación:

pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly', :subspecs => ['CoreML', 'Metal']

Esto te permitirá usar las funciones más recientes que se agregaron a TensorFlow Lite. Ten en cuenta que una vez que se crea el archivo Podfile.lock cuando ejecutas el comando pod install por primera vez, la versión nocturna de la biblioteca se bloqueará en la versión de la fecha actual. Si deseas actualizar la biblioteca nocturna a la más reciente, debes ejecutar el comando pod update.

Para obtener más información sobre las diferentes maneras de especificar restricciones de versiones, consulta Especifica versiones de Pods.

Desarrolladores de Bazel

En el archivo BUILD, agrega la dependencia TensorFlowLite a tu destino.

Swift

swift_library(
  deps = [
      "//tensorflow/lite/swift:TensorFlowLite",
  ],
)

Objective‑C

objc_library(
  deps = [
      "//tensorflow/lite/objc:TensorFlowLite",
  ],
)

API de C/C++

Como alternativa, puedes usar la API de C o la API de C++

# Using C API directly
objc_library(
  deps = [
      "//tensorflow/lite/c:c_api",
  ],
)

# Using C++ API directly
objc_library(
  deps = [
      "//tensorflow/lite:framework",
  ],
)

Importa la biblioteca

Para archivos Swift, importa el módulo de TensorFlow Lite:

import TensorFlowLite

Para los archivos de Objective-C, importa el encabezado general:

#import "TFLTensorFlowLite.h"

O bien, el módulo si configuras CLANG_ENABLE_MODULES = YES en tu proyecto de Xcode:

@import TFLTensorFlowLite;