iOS 快速入門導覽課程

這個範例應用程式使用圖片分類功能，從裝置後置鏡頭持續分類看到的內容，顯示最有可能的分類。可讓使用者選擇浮點或量化模型，並選取要執行推論的執行緒數量。

將 TensorFlow Lite 新增至 Swift 或 Objective-C 專案

TensorFlow Lite 提供以 Swift 和 Objective-C 編寫的原生 iOS 程式庫。

以下各節示範如何在專案中新增 TensorFlow Lite Swift 或 Objective-C：

CocoaPods 開發人員

在 Podfile 中，新增 TensorFlow Lite pod。接著執行 pod install。

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objective-C

pod 'TensorFlowLiteObjC'

指定版本

都有穩定版本，TensorFlowLiteSwift 和 TensorFlowLiteObjC Pod 皆提供夜間版本。如未如上述範例所示指定版本限制，CocoaPods 預設會提取最新的穩定版。

您也可以指定版本限制。舉例來說，如果您希望依附於 2.10.0 版，可以將依附元件編寫為：

pod 'TensorFlowLiteSwift', '~> 2.10.0'

這可確保應用程式使用最新的 2.x.y 版本 TensorFlowLiteSwift Pod。或者，如果您要依賴夜間版本，可以編寫：

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

從 2.4.0 版和最新的夜間版本開始，根據預設，GPU 和 Core ML 委派項目已從 Pod 中排除，以減少二進位檔的大小。您可以藉由指定子規格來納入這些參數：

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

這可讓您使用新增至 TensorFlow Lite 的最新功能。請注意，當您首次執行 pod install 指令時，Podfile.lock 檔案建立完成後，夜間程式庫版本就會鎖定為目前日期的版本。如要將夜間程式庫更新為較新的程式庫，請執行 pod update 指令。

如要進一步瞭解其他指定版本限制的方式，請參閱指定 Pod 版本。

Bazel 開發人員

在 BUILD 檔案中，將 TensorFlowLite 依附元件新增至目標。

Swift

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

Objective-C

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

C/C++ API

或者，您也可以使用 C API 或 C++ API

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

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

匯入程式庫

如為 Swift 檔案，請匯入 TensorFlow Lite 模組：

import TensorFlowLite

如果是 Objective-C 檔案，請匯入綜合標題：

#import "TFLTensorFlowLite.h"

或者，如果您在 Xcode 專案中設定 CLANG_ENABLE_MODULES = YES，這個模組：

@import TFLTensorFlowLite;