Aplikasi contoh ini menggunakan klasifikasi gambar untuk terus mengklasifikasikan apa pun yang dilihatnya dari kamera belakang perangkat, yang menampilkan klasifikasi yang paling mungkin. Hal ini memungkinkan pengguna untuk memilih antara model floating point atau model terkuantisasi, dan memilih jumlah thread yang akan digunakan untuk melakukan inferensi.
Menambahkan TensorFlow Lite ke project Swift atau Objective-C Anda
TensorFlow Lite menawarkan library iOS native yang ditulis dalam Swift dan Objective-C.
Bagian di bawah ini menunjukkan cara menambahkan TensorFlow Lite Swift atau Objective-C ke project Anda:
Developer CocoaPods
Di Podfile
, tambahkan pod TensorFlow Lite. Lalu, jalankan pod install
.
Swift
use_frameworks!
pod 'TensorFlowLiteSwift'
Objective-C
pod 'TensorFlowLiteObjC'
Menentukan versi
Terdapat rilis stabil, dan rilis setiap malam yang tersedia untuk
pod TensorFlowLiteSwift
dan TensorFlowLiteObjC
. Jika Anda tidak menentukan batasan versi seperti pada contoh di atas, CocoaPods akan menarik rilis stabil terbaru secara default.
Anda juga dapat menentukan batasan versi. Misalnya, jika ingin bergantung pada versi 2.10.0, Anda dapat menulis dependensi sebagai:
pod 'TensorFlowLiteSwift', '~> 2.10.0'
Cara ini akan memastikan versi pod TensorFlowLiteSwift
2.x.y terbaru yang tersedia digunakan di aplikasi Anda. Atau, jika ingin bergantung pada build malam, Anda dapat menulis:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly'
Mulai versi 2.4.0 dan rilis terbaru setiap malam, GPU dan delegasi Core ML secara default dikecualikan dari pod untuk mengurangi ukuran biner. Anda dapat menyertakannya dengan menentukan subspesifikasi:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly', :subspecs => ['CoreML', 'Metal']
Dengan begitu, Anda dapat menggunakan fitur terbaru yang ditambahkan ke TensorFlow Lite. Perhatikan
bahwa setelah file Podfile.lock
dibuat saat Anda menjalankan perintah pod install
untuk pertama kalinya, versi library malam akan dikunci pada versi tanggal
saat ini. Jika ingin mengupdate library malam ke yang lebih baru, Anda
harus menjalankan perintah pod update
.
Untuk informasi selengkapnya tentang berbagai cara dalam menentukan batasan versi, lihat Menentukan versi pod.
Developer Bazel
Di file BUILD
, tambahkan dependensi TensorFlowLite
ke target Anda.
Swift
swift_library(
deps = [
"//tensorflow/lite/swift:TensorFlowLite",
],
)
Objective-C
objc_library(
deps = [
"//tensorflow/lite/objc:TensorFlowLite",
],
)
API C/C++
Atau, Anda dapat menggunakan C API atau C++ API
# Using C API directly
objc_library(
deps = [
"//tensorflow/lite/c:c_api",
],
)
# Using C++ API directly
objc_library(
deps = [
"//tensorflow/lite:framework",
],
)
Mengimpor library
Untuk file Swift, impor modul TensorFlow Lite:
import TensorFlowLite
Untuk file Objective-C, impor umbrella header:
#import "TFLTensorFlowLite.h"
Atau, modul jika Anda menetapkan CLANG_ENABLE_MODULES = YES
dalam project Xcode Anda:
@import TFLTensorFlowLite;