LiteRT in der Java API für Google Play-Dienste

Auf LiteRT in Google Play-Diensten kann auch über Java-APIs zugegriffen werden. zur Native API hinzufügen. Insbesondere LiteRT bei Google Play Dienste sind über den LiteRT-Interpreter verfügbar. API hinzu.

Interpreter APIs verwenden

Die LiteRT Interpreter API, die von der TensorFlow-Laufzeit bereitgestellt wird, bietet eine allgemeine Schnittstelle zum Erstellen und Ausführen von ML-Modellen. Verwenden Sie die Methode Führen Sie die folgenden Schritte aus, um Inferenzen mit der Interpreter API und der TensorFlow-Konfiguration auszuführen. Lite in der Laufzeit der Google Play-Dienste.

1. Projektabhängigkeiten hinzufügen

Füge deinem App-Projektcode die folgenden Abhängigkeiten hinzu, um auf den Play Store zuzugreifen Services API für LiteRT:

dependencies {
...
    // LiteRT dependencies for Google Play services
    implementation 'com.google.android.gms:play-services-tflite-java:16.0.1'
    // Optional: include LiteRT Support Library
    implementation 'com.google.android.gms:play-services-tflite-support:16.0.1'
...
}

2. Initialisierung von LiteRT hinzufügen

LiteRT-Komponente der Google Play Services API initialisieren bevor Sie die LiteRT APIs verwenden:

val initializeTask: Task<Void> by lazy { TfLite.initialize(this) }

Task<Void> initializeTask = TfLite.initialize(context);

3. Interpreter erstellen und Laufzeitoption festlegen

Mit InterpreterApi.create() einen Dolmetscher erstellen und für die Verwendung konfigurieren Laufzeit der Google Play-Dienste durch Aufrufen von InterpreterApi.Options.setRuntime() Dies wird im folgenden Beispielcode gezeigt:

import org.tensorflow.lite.InterpreterApi
import org.tensorflow.lite.InterpreterApi.Options.TfLiteRuntime
...
private lateinit var interpreter: InterpreterApi
...
initializeTask.addOnSuccessListener {
  val interpreterOption =
    InterpreterApi.Options().setRuntime(TfLiteRuntime.FROM_SYSTEM_ONLY)
  interpreter = InterpreterApi.create(
    modelBuffer,
    interpreterOption
  )}
  .addOnFailureListener { e ->
    Log.e("Interpreter", "Cannot initialize interpreter", e)
  }

import org.tensorflow.lite.InterpreterApi
import org.tensorflow.lite.InterpreterApi.Options.TfLiteRuntime
...
private InterpreterApi interpreter;
...
initializeTask.addOnSuccessListener(a -> {
    interpreter = InterpreterApi.create(modelBuffer,
      new InterpreterApi.Options().setRuntime(TfLiteRuntime.FROM_SYSTEM_ONLY));
  })
  .addOnFailureListener(e -> {
    Log.e("Interpreter", String.format("Cannot initialize interpreter: %s",
          e.getMessage()));
  });

Sie sollten die obige Implementierung verwenden, da dadurch verhindert wird, dass das Android- Benutzeroberflächen-Threads. Wenn Sie die Thread-Ausführung genauer verwalten müssen, kann einen Tasks.await()-Aufruf zum Erstellen des Dolmetschers hinzufügen:

import androidx.lifecycle.lifecycleScope
...
lifecycleScope.launchWhenStarted { // uses coroutine
  initializeTask.await()
}

@BackgroundThread
InterpreterApi initializeInterpreter() {
    Tasks.await(initializeTask);
    return InterpreterApi.create(...);
}

4. Inferenzen ausführen

Rufen Sie mit dem von Ihnen erstellten interpreter-Objekt die Methode run() auf, um eine Inferenz.

interpreter.run(inputBuffer, outputBuffer)

interpreter.run(inputBuffer, outputBuffer);

Hardwarebeschleunigung

Mit LiteRT können Sie die Leistung Ihres Modells mithilfe von Spezialisierte Hardwareprozessoren wie GPUs (Graphics Processing Units) Ich können diese speziellen Prozessoren mithilfe von Hardwaretreibern nutzen, Bevollmächtigten.

Der GPU Delegate wird über die Google Play-Dienste bereitgestellt. und dynamisch geladen werden, genau wie die Play-Dienste-Versionen Interpreter API.

Gerätekompatibilität wird geprüft

Nicht alle Geräte unterstützen die GPU-Hardwarebeschleunigung mit TFLite. Um Fehler und potenzielle Abstürze zu minimieren, verwenden Sie TfLiteGpu.isGpuDelegateAvailable-Methode zu prüfen, ob ein Gerät ist mit dem GPU-Delegaten kompatibel.

Mit dieser Methode prüfen, ob ein Gerät mit der GPU kompatibel ist, und die CPU verwenden als Fallback, wenn die GPU nicht unterstützt wird.

useGpuTask = TfLiteGpu.isGpuDelegateAvailable(context)

Sobald Sie eine Variable wie useGpuTask haben, können Sie damit bestimmen, Geräte den GPU-Delegaten verwenden.

val interpreterTask = useGpuTask.continueWith { task ->
  val interpreterOptions = InterpreterApi.Options()
      .setRuntime(TfLiteRuntime.FROM_SYSTEM_ONLY)
  if (task.result) {
      interpreterOptions.addDelegateFactory(GpuDelegateFactory())
  }
  InterpreterApi.create(FileUtil.loadMappedFile(context, MODEL_PATH), interpreterOptions)
}
    

Task<InterpreterApi.Options> interpreterOptionsTask = useGpuTask.continueWith({ task ->
  InterpreterApi.Options options =
      new InterpreterApi.Options().setRuntime(TfLiteRuntime.FROM_SYSTEM_ONLY);
  if (task.getResult()) {
     options.addDelegateFactory(new GpuDelegateFactory());
  }
  return options;
});
    

GPU mit Interpreter APIs

So verwenden Sie den GPU-Delegaten mit den Interpreter APIs:

1. Aktualisieren Sie die Projektabhängigkeiten, um den GPU-Delegaten aus den Play-Diensten zu verwenden:

   implementation 'com.google.android.gms:play-services-tflite-gpu:16.1.0'
   

2. Aktivieren Sie die GPU-Delegate-Option in der TFlite-Initialisierung:

   Kotlin

       TfLite.initialize(context,
         TfLiteInitializationOptions.builder()
          .setEnableGpuDelegateSupport(true)
          .build())
       

   Java

       TfLite.initialize(context,
         TfLiteInitializationOptions.builder()
          .setEnableGpuDelegateSupport(true)
          .build());
       

3. GPU Delegate in den Interpreter-Optionen aktivieren: Setze die Delegate Factory auf GpuDelegateFactory durch Aufrufen von addDelegateFactory() withinInterpreterApi.Options()`:

   Kotlin

   val interpreterOption = InterpreterApi.Options()
   .setRuntime(TfLiteRuntime.FROM_SYSTEM_ONLY)
   .addDelegateFactory(GpuDelegateFactory())
   

   Java

   Options interpreterOption = InterpreterApi.Options()
   .setRuntime(TfLiteRuntime.FROM_SYSTEM_ONLY) .addDelegateFactory(new
   GpuDelegateFactory());
   

Von eigenständigem LiteRT migrieren

Wenn Sie vorhaben, Ihre App vom eigenständigen LiteRT zur Version Play Services API haben, lesen Sie die folgenden zusätzlichen Informationen zur Aktualisierung der App-Projektcode:

1. Überprüfen Sie den Abschnitt Einschränkungen auf dieser Seite, um sicherzustellen, Anwendungsfall unterstützt.
2. Führen Sie vor der Aktualisierung Ihres Codes Leistungs- und Genauigkeitsprüfungen für Ihre insbesondere wenn Sie ältere LiteRT-Versionen verwenden, als Version 2.1. So haben Sie eine Referenz, die Sie mit der neuen Version vergleichen können, Implementierung.
3. Wenn Sie Ihren gesamten Code migriert haben, um die Play Services API für LiteRT sollten Sie die vorhandene LiteRT--Laufzeit entfernen. Library-Abhängigkeiten (Einträge mit org.tensorflow:tensorflow-lite:*) aus Ihrer build.gradle-Datei -Datei, um die App-Größe zu reduzieren.
4. Identifizieren Sie alle Vorkommen der new Interpreter-Objekterstellung in Ihrem Code. und ändern Sie jede so, dass sie den Aufruf „InterpreterApi.create()“ verwendet. Die "new TfLite.initial" ist asynchron. Das heißt, in den meisten Fällen ist es kein Drop-in-Ersatz: Sie müssen einen Listener registrieren, wenn der Aufruf abgeschlossen wird. Sehen Sie sich das Code-Snippet im Code in Schritt 3 an.
5. import org.tensorflow.lite.InterpreterApi; und import org.tensorflow.lite.InterpreterApi.Options.TfLiteRuntime; zu einer beliebigen Quelle hinzufügen mit der Methode org.tensorflow.lite.Interpreter oder org.tensorflow.lite.InterpreterApi Klassen.
6. Wenn einer der resultierenden InterpreterApi.create()-Aufrufe nur einen einzelnes Argument, fügen Sie new InterpreterApi.Options() an die Argumentliste an.
7. Hängen Sie .setRuntime(TfLiteRuntime.FROM_SYSTEM_ONLY) an das letzte Argument von an: alle Aufrufe von InterpreterApi.create().
8. Alle anderen Vorkommen der Klasse org.tensorflow.lite.Interpreter ersetzen mit org.tensorflow.lite.InterpreterApi.

Wenn Sie die eigenständige LiteRT API und die Play Services API verwenden möchten nebeneinander ausführen, müssen Sie LiteRT 2.9 (oder höher) verwenden. LiteRT 2.8 und frühere Versionen sind nicht mit der Play Services API-Version kompatibel.