LiteRT のご紹介: Google のオンデバイス AI 用の高性能ランタイム（旧称 TensorFlow Lite）です。

このページは Cloud Translation API によって翻訳されました。

Android 向け開発ツール

LiteRT には、モデルを Android に統合するためのさまざまなツールが用意されています。。このページでは、以下を使用してアプリをビルドするために使用する開発ツールについて説明します。 Kotlin、Java、C++ をサポートし、Android での LiteRT 開発のサポート Android Studio

Kotlin と Java でビルドするためのツール

以降のセクションでは、 Kotlin と Java 言語です。

LiteRT ライブラリ

Android アプリで LiteRT ライブラリを使用するには、 MavenCentral 追加します。

これは、build.gradle 依存関係で次のように指定できます。

dependencies {
    ...
    implementation 'com.google.ai.edge.litert:+'
}

repositories {
    ...
    google()
}

夜間のスナップショットを使用する場合は、Sonatype スナップショットリポジトリをプロジェクトに追加します。

この AAR には、 ABI。サイズを小さくしてアプリケーションのバイナリをサポートする必要があります。

特定のハードウェアをターゲットとする場合を除き、x86、x86_64、および arm32 ABI です。これは、次の Gradle で構成できます。できます。具体的には armeabi-v7a と arm64-v8a のみが含まれています。最新の Android デバイスのほとんどに対応しています。

android {
    defaultConfig {
        ndk {
            abiFilters 'armeabi-v7a', 'arm64-v8a'
        }
    }
}

abiFilters について詳しくは、Android 版をご覧ください。 Android NDK の ABI ご覧ください

LiteRT サポートライブラリ

LiteRT Android Support Library でモデルの統合が簡単組み込むことが重要です未加工の入力データの変換に役立つハイレベル API がモデルが必要とする形式に変換し、モデルの出力を解釈します。必要なボイラープレートコードの量を減らすことができます。

入力と出力の一般的なデータ形式をサポートします。これには、画像やありますまた、前処理および後処理ユニットも備えており、画像サイズの変更や切り抜きなどの機能があります

LiteRT をインクルードして、Android アプリでサポートライブラリを使用するサポートライブラリ AAR: MavenCentral.

これは、build.gradle 依存関係で次のように指定できます。

dependencies {
    implementation 'com.google.ai.edge.litert:litert-support:+'
}

夜間のスナップショットを使用する場合は、Sonatype スナップショットリポジトリをプロジェクトに追加します。

使用方法については、LiteRT Android サポートをご覧ください。 Library にあります。

Android Studio の使用

上記の開発ライブラリに加えて、Android Studio はは、以下で説明する LiteRT モデルの統合をサポートしています。

Android Studio ML モデルバインディング

Android Studio 4.1 以降の ML Model Binding 機能を使用すると、次のことができます。 .tflite モデルファイルを既存の Android アプリにインポートすると、インターフェースクラスを使用して、コードとモデルを簡単に統合できます。

LiteRT モデルをインポートするには:

LiteRT モデルを使用するモジュールを右クリックするか、 [ファイル] >新規 >その他 >LiteRT モデル。
LiteRT ファイルの場所を選択します。ツールは、 ML モデルバインディングを使用してモジュールの依存関係を構成し、必要なすべての依存関係を Android モジュールの build.gradle ファイルに追加します。

注: TensorFlow GPU をインポートするための 2 番目のチェックボックスをオンにします。 GPU アクセラレーションを使用してください。
[Finish] をクリックしてインポート処理を開始します。インポートが完了すると入力と出力など、モデルを説明する画面が表示されます。テンソルです。
モデルの使用を開始するには、[Kotlin] または [Java] を選択し、コードをコピーして貼り付けます サンプルコード セクションにあります。

モデル情報画面に戻るには、[TensorFlow] をダブルクリックします。 Android Studio の ml ディレクトリにある Lite モデル。このモジュールの Android Studio の Modle Binding 機能を使用する場合は、Android Studio のリリースメモをご覧ください。 Android Studio でのモデルバインディングの使用方法の概要については、コードサンプルをご覧ください。こちらの手順をご覧ください。

C と C++ でビルドするためのツール

LiteRT 用の C および C++ ライブラリは、主にデベロッパーは Android Native Development Kit（NDK）を使用してアプリを構築できます。 NDK を使用してアプリをビルドする場合、C++ で LiteRT を使用する方法は 2 つあります。

LiteRT C API

NDK を使用するデベロッパーには、この API を使用することをおすすめします。 LiteRT AAR は MavenCentral ファイル名を tensorflow-lite-*.zip に変更して解凍します。必ず 4 つの条件を headers/tensorflow/lite/ と headers/tensorflow/lite/c/ のヘッダーファイルフォルダと、関連する libtensorflowlite_jni.so ダイナミックライブラリ NDK プロジェクト内の jni/ フォルダにあります。

c_api.h ヘッダーファイルには、LiteRT C の使用に関する基本的なドキュメントが含まれています。 API

LiteRT C++ API

C++ API を介して LiteRT を使用する場合は、ライブラリ:

32 ビット armeabi-v7a:

bazel build -c opt --config=android_arm //tensorflow/lite:libtensorflowlite.so

64 ビット arm64-v8a:

bazel build -c opt --config=android_arm64 //tensorflow/lite:libtensorflowlite.so

現時点では、必要なすべてのヘッダーファイルを抽出する簡単な方法はありませんが、そのため、TensorFlow の tensorflow/lite/ にすべてのヘッダーファイルを含める必要があります。できます。さらに、Terraform からのヘッダーファイル、 FlatBuffers と Abseil。