उदाहरण के तौर पर दिया गया यह ऐप्लिकेशन, इमेज की कैटगरी तय करने के लिए उसका इस्तेमाल करता है. इससे, डिवाइस के पीछे वाले कैमरे से दिख रही किसी भी चीज़ की कैटगरी तय की जा सकती है. साथ ही, इमेज को कैटगरी में बांटने के सबसे संभावित तरीकों को दिखाया जाता है. यह उपयोगकर्ता को किसी फ़्लोटिंग पॉइंट या संख्या के मुताबिक मॉडल में से कोई एक चुनने की सुविधा देता है. साथ ही, अनुमान लगाने के लिए थ्रेड की संख्या चुनने की सुविधा देता है.
अपने Swift या Objective-C प्रोजेक्ट में TensorFlow Lite जोड़ें
TensorFlow Lite, Swift और Objective-C में लिखी गई नेटिव iOS लाइब्रेरी उपलब्ध कराता है.
नीचे दिए गए सेक्शन में, अपने प्रोजेक्ट में TensorFlow Lite Swift या Objective-C जोड़ने का तरीका बताया गया है:
कोकोआपॉड डेवलपर
अपने Podfile
में, TensorFlow Lite पॉड जोड़ें. इसके बाद, pod install
चलाएं.
Swift
use_frameworks!
pod 'TensorFlowLiteSwift'
Objective-C
pod 'TensorFlowLiteObjC'
वर्शन तय करना
TensorFlowLiteSwift
और TensorFlowLiteObjC
पॉड के लिए, स्टेबल रिलीज़ और रात में होने वाली रिलीज़ उपलब्ध हैं. अगर आपने ऊपर दिए गए उदाहरणों में, वर्शन कंस्ट्रेंट के बारे में नहीं बताया है, तो CocoaPods, डिफ़ॉल्ट रूप से सबसे नई स्टेबल रिलीज़ फ़ेच करेगा.
आपके पास वर्शन कंस्ट्रेंट भी तय करने का विकल्प होता है. उदाहरण के लिए, अगर आपको वर्शन 2.10.0 पर निर्भर रहना है, तो डिपेंडेंसी को इस तरह से लिखा जा सकता है:
pod 'TensorFlowLiteSwift', '~> 2.10.0'
इससे यह पक्का होगा कि आपके ऐप्लिकेशन में TensorFlowLiteSwift
पॉड का सबसे नया 2.x.y वर्शन इस्तेमाल किया गया हो. इसके अलावा, अगर आपको रात में चलने वाले बिल्ड पर निर्भर रहना है, तो यह तरीका अपनाएं:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly'
2.4.0 वर्शन और रात में रिलीज़ होने वाले नए वर्शन में, डिफ़ॉल्ट रूप से जीपीयू और एमएल डेलिगेट, को बाइनरी साइज़ को कम करने के लिए पॉड से बाहर रखा जाता है. इन्हें शामिल करने के लिए, इनकी उप-खास जानकारी दें:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly', :subspecs => ['CoreML', 'Metal']
ऐसा करने पर, TensorFlow Lite में जोड़ी गई नई सुविधाओं का इस्तेमाल किया जा सकेगा. ध्यान दें कि पहली बार pod install
निर्देश चलाने पर, Podfile.lock
फ़ाइल बन जाने के बाद, मौजूदा तारीख के वर्शन पर हर रात की लाइब्रेरी का वर्शन लॉक हो जाएगा. अगर हर रात की लाइब्रेरी को नई लाइब्रेरी में अपडेट करना है, तो pod update
कमांड दें.
वर्शन की सीमाओं की जानकारी देने के अलग-अलग तरीकों के बारे में ज़्यादा जानकारी के लिए, पॉड वर्शन तय करना देखें.
Bazel डेवलपर
अपनी BUILD
फ़ाइल में, टारगेट में TensorFlowLite
डिपेंडेंसी जोड़ें.
Swift
swift_library(
deps = [
"//tensorflow/lite/swift:TensorFlowLite",
],
)
Objective-C
objc_library(
deps = [
"//tensorflow/lite/objc:TensorFlowLite",
],
)
C/C++ एपीआई
इसके अलावा, आपके पास C API या C++ API का इस्तेमाल करने का विकल्प भी है.
# Using C API directly
objc_library(
deps = [
"//tensorflow/lite/c:c_api",
],
)
# Using C++ API directly
objc_library(
deps = [
"//tensorflow/lite:framework",
],
)
लाइब्रेरी इंपोर्ट करें
Swift फ़ाइलों के लिए, TensorFlow Lite मॉड्यूल इंपोर्ट करें:
import TensorFlowLite
ऑब्जेक्टिव-सी फ़ाइलों के लिए, अम्ब्रेला हेडर इंपोर्ट करें:
#import "TFLTensorFlowLite.h"
इसके अलावा, अगर आपने Xcode प्रोजेक्ट में CLANG_ENABLE_MODULES = YES
सेट किया है, तो मॉड्यूल:
@import TFLTensorFlowLite;